<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:dc="http://purl.org/dc/elements/1.1/" version="2.0">
<channel>
<title>Journal of Computer Science &amp; Technology</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/369</link>
<description/>
<pubDate>Wed, 18 Nov 2026 17:00:18 GMT</pubDate>
<dc:date>2026-11-18T17:00:18Z</dc:date>
<item>
<title>A Comparison of Technologies for Layer 2 Network Extension over IP: EoIP vs. VxLAN</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/193829</link>
<description>Articulo
Comparación de tecnologías para la extensión de redes de Capa 2 sobre IP: EoIP vs. VxLAN
Journal of Computer Science &amp; Technology; vol. 26, no.1
Technology and communication are fundamental in modern enterprise environments, making network performance evaluation crucial. To analyze their impact on enterprise infrastructure performance, this study compares EoIP and VxLAN, two technologies used for Layer 2 network extension over IP. The PPDIOO methodology was employed to structure and optimize the network analysis and improvement process. The implementation included configuring MikroTik devices running RouterOS, playing a key role in the topologies used. Tests on bandwidth, latency, and transfer rate were conducted in simulated environments using hping, iperf, and Wireshark to assess performance. The results indicate that VXLAN provides better latency performance, whereas EoIP offers lower overhead and greater configuration simplicity.&#13;
These findings highlight the importance of considering various factors when choosing between these technologies, ensuring that the implementation aligns with the specific requirements of each enterprise environment. This study provides key insights for network administrators and IT architects seeking to optimize their organization’s infrastructure through advanced segmentation and network virtualization technologies.; En los entornos empresariales modernos, la tecnología y la comunicación son fundamentales, haciendo crucial la evaluación del rendimiento de las redes. Este estudio compara EoIP y VxLAN, dos tecnologías utilizadas para la extensión de redes de Capa 2 sobre IP, con el objetivo de analizar su impacto en el desempeño de infraestructuras empresariales. Se utilizó la metodología PPDIOO para estructurar y optimizar el proceso de análisis y mejora de la red. La implementación incluyó la configuración de dispositivos MikroTik con RouterOS, desempeñando un papel clave en las topologías utilizadas. Para evaluar el rendimiento, se realizaron pruebas de ancho de banda, latencia y tasa de transferencia en entornos simulados, utilizando herramientas como hping, iperf y Wireshark. Los resultados indican que VXLAN ofrece mejor rendimiento en latencia, mientras que EoIP presenta menor sobrecarga y simplicidad en la configuración. Estos hallazgos resaltan la importancia de considerar diversos factores al elegir entre estas tecnologías, asegurando que la implementación se adapte a las necesidades específicas de cada entorno empresarial. Este estudio proporciona información clave para administradores de redes y arquitectos de TI que buscan optimizar la infraestructura de sus organizaciones mediante tecnologías avanzadas de segmentación y virtualización de red.
</description>
<pubDate>Wed, 01 Apr 2026 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/193829</guid>
<dc:date>2026-04-01T00:00:00Z</dc:date>
<dc:description>Technology and communication are fundamental in modern enterprise environments, making network performance evaluation crucial. To analyze their impact on enterprise infrastructure performance, this study compares EoIP and VxLAN, two technologies used for Layer 2 network extension over IP. The PPDIOO methodology was employed to structure and optimize the network analysis and improvement process. The implementation included configuring MikroTik devices running RouterOS, playing a key role in the topologies used. Tests on bandwidth, latency, and transfer rate were conducted in simulated environments using hping, iperf, and Wireshark to assess performance. The results indicate that VXLAN provides better latency performance, whereas EoIP offers lower overhead and greater configuration simplicity.&#13;
These findings highlight the importance of considering various factors when choosing between these technologies, ensuring that the implementation aligns with the specific requirements of each enterprise environment. This study provides key insights for network administrators and IT architects seeking to optimize their organization’s infrastructure through advanced segmentation and network virtualization technologies.

En los entornos empresariales modernos, la tecnología y la comunicación son fundamentales, haciendo crucial la evaluación del rendimiento de las redes. Este estudio compara EoIP y VxLAN, dos tecnologías utilizadas para la extensión de redes de Capa 2 sobre IP, con el objetivo de analizar su impacto en el desempeño de infraestructuras empresariales. Se utilizó la metodología PPDIOO para estructurar y optimizar el proceso de análisis y mejora de la red. La implementación incluyó la configuración de dispositivos MikroTik con RouterOS, desempeñando un papel clave en las topologías utilizadas. Para evaluar el rendimiento, se realizaron pruebas de ancho de banda, latencia y tasa de transferencia en entornos simulados, utilizando herramientas como hping, iperf y Wireshark. Los resultados indican que VXLAN ofrece mejor rendimiento en latencia, mientras que EoIP presenta menor sobrecarga y simplicidad en la configuración. Estos hallazgos resaltan la importancia de considerar diversos factores al elegir entre estas tecnologías, asegurando que la implementación se adapte a las necesidades específicas de cada entorno empresarial. Este estudio proporciona información clave para administradores de redes y arquitectos de TI que buscan optimizar la infraestructura de sus organizaciones mediante tecnologías avanzadas de segmentación y virtualización de red.</dc:description>
</item>
<item>
<title>Security Enhancement of FinTech Platforms with Artificial Intelligence and Blockchain: A Systematic Literature Review</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/193828</link>
<description>Articulo
Mejora de la seguridad en plataformas FinTech con inteligencia artificial y blockchain: una revisión sistemática de la literatura
Journal of Computer Science &amp; Technology; vol. 26, no.1
The integration of artificial intelligence (AI) and blockchain has become a relevant research topic in the Fintech domain due to its potential to improve security, regulatory compliance, and operational transparency. This systematic literature review examines how the combined use of these technologies contributes to the protection of Fintech platforms. The review follows the PRISMA guidelines and analyzes studies published between 2010 and 2024. A total of 667 studies were identified and 175 primary articles were selected according to predefined inclusion and exclusion criteria. The results indicate that this integration is mainly applied to identity management, fraud detection, and Know Your Customer (KYC) processes, improving data integrity, traceability, and auditability. However, the literature also reports persistent challenges related to scalability, interoperability, and regulatory uncertainty, which hinder large-scale adoption. This review provides a consolidated view of the current state of research and identifies open challenges for the development of secure and trustworthy Fintech infrastructures.; La integración de la inteligencia artificial (IA) y la tecnología blockchain se ha convertido en un tema de investigación relevante en el dominio Fintech debido a su potencial para mejorar la seguridad, el cumplimiento normativo y la transparencia operativa. Esta revisión sistemática de la literatura analiza cómo el uso combinado de estas tecnologías contribuye a la protección de las plataformas Fintech. La revisión sigue las directrices PRISMA y examina estudios publicados entre 2010 y 2024. Se identificaron un total de 667 estudios y se seleccionaron 175 artículos primarios de acuerdo con criterios de inclusión y exclusión predefinidos. Los resultados indican que esta integración se aplica principalmente a la gestión de identidades, la detección de fraude y los procesos de Conozca a su Cliente (KYC), mejorando la integridad, la trazabilidad y la auditabilidad de los datos. Sin embargo, la literatura también reporta desafíos persistentes relacionados con la escalabilidad, la interoperabilidad y la incertidumbre regulatoria, que dificultan su adopción a gran escala. Esta revisión proporciona una visión consolidada del estado actual de la investigación e identifica desafíos abiertos para el desarrollo de infraestructuras Fintech seguras y confiables.
</description>
<pubDate>Wed, 01 Apr 2026 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/193828</guid>
<dc:date>2026-04-01T00:00:00Z</dc:date>
<dc:description>The integration of artificial intelligence (AI) and blockchain has become a relevant research topic in the Fintech domain due to its potential to improve security, regulatory compliance, and operational transparency. This systematic literature review examines how the combined use of these technologies contributes to the protection of Fintech platforms. The review follows the PRISMA guidelines and analyzes studies published between 2010 and 2024. A total of 667 studies were identified and 175 primary articles were selected according to predefined inclusion and exclusion criteria. The results indicate that this integration is mainly applied to identity management, fraud detection, and Know Your Customer (KYC) processes, improving data integrity, traceability, and auditability. However, the literature also reports persistent challenges related to scalability, interoperability, and regulatory uncertainty, which hinder large-scale adoption. This review provides a consolidated view of the current state of research and identifies open challenges for the development of secure and trustworthy Fintech infrastructures.

La integración de la inteligencia artificial (IA) y la tecnología blockchain se ha convertido en un tema de investigación relevante en el dominio Fintech debido a su potencial para mejorar la seguridad, el cumplimiento normativo y la transparencia operativa. Esta revisión sistemática de la literatura analiza cómo el uso combinado de estas tecnologías contribuye a la protección de las plataformas Fintech. La revisión sigue las directrices PRISMA y examina estudios publicados entre 2010 y 2024. Se identificaron un total de 667 estudios y se seleccionaron 175 artículos primarios de acuerdo con criterios de inclusión y exclusión predefinidos. Los resultados indican que esta integración se aplica principalmente a la gestión de identidades, la detección de fraude y los procesos de Conozca a su Cliente (KYC), mejorando la integridad, la trazabilidad y la auditabilidad de los datos. Sin embargo, la literatura también reporta desafíos persistentes relacionados con la escalabilidad, la interoperabilidad y la incertidumbre regulatoria, que dificultan su adopción a gran escala. Esta revisión proporciona una visión consolidada del estado actual de la investigación e identifica desafíos abiertos para el desarrollo de infraestructuras Fintech seguras y confiables.</dc:description>
</item>
<item>
<title>On the use of the Novel Zorro Activation Functions in Long Short-Term Memory Neural Networks</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/193827</link>
<description>Articulo
Uso de la función de activación Zorro en redes neuronales LSTM
Journal of Computer Science &amp; Technology; vol. 26, no.1
Activation functions are fundamental components of modern neural networks, including Large Language Models (LLMs). Nonlinear activations regulate the flow of information in most models and determine how data is processed. However, training or even fine-tuning very large and complex models with such activations, like those used in ChatGPT and DeepSeek, remains out of reach for many researchers due to computational constraints. Therefore, traditional architectures such as LSTM remain highly relevant for smallto medium-scale, real-world applications. In this context, the choice of appropriate functions can significantly influence a model’s learning capability, stability, and training efficiency under limited computational resources. In this work, we analyze the behavior of a novel family of activation functions, called Zorro, when used as gating functions in LSTM architectures. We propose replacing traditional activation and gating functions with Zorro variants to improve both model performance and convergence speed. Unlike conventional approaches, our method assigns a different function to each gate or activation, enabling flexible adaptation to different gated architectures. We evaluate the proposed models on widely used benchmark datasets, including Japanese Vowels and Human Activity Recognition for classification, and Chickenpox and Turbofan Degradation for regression. The results show accuracy improvements of up to 10% and reduction in training time of up to 15%, demonstrating that the proposed approach provides a practical and computationally efficient alternative for deploying LSTM-based models in resource-constrained environments and real-world time-series applications.; Las funciones de activación son componentes fundamentales de las redes neuronales modernas, incluidos los modelos de lenguaje a gran escala (LLMs). Las activaciones no lineales regulan el flujo de información en la mayoría de los modelos y determinan cómo se procesan los datos. Sin embargo, entrenar o incluso ajustar modelos muy grandes y complejos con estas activaciones, como los utilizados en Chat- GPT y DeepSeek, sigue estando fuera del alcance de muchos investigadores debido a las limitaciones computacionales. Por esta razón, arquitecturas tradicionales como las LSTM siguen siendo muy relevantes para aplicaciones del mundo real a pequeña y mediana escala. En este contexto, la elección de funciones adecuadas puede influir significativamente en la capacidad de aprendizaje, estabilidad y eficiencia de entrenamiento de un modelo con recursos computacionales limitados. En este trabajo, analizamos el comportamiento de una nueva familia de funciones de activación, llamada Zorro, cuando se utilizan como funciones de compuerta en arquitecturas LSTM. Proponemos reemplazar las funciones de activación y compuerta tradicionales en las LSTM por las variantes Zorro para mejorar el rendimiento del modelo y la velocidad de convergencia. A diferencia de los enfoques convencionales, nuestro método asigna una función diferente a cada compuerta o activación, permitiendo una adaptación flexible a diferentes arquitecturas con compuertas. Evaluamos los modelos propuestos en conjuntos de datos ampliamente utilizados, incluyendo Japanese Vowels y Human Activity Recognition para clasificación, así como Chickenpox y Turbofan Degradation para regresión. Los resultados muestran mejoras de precisión de hasta 10% y reducciones del tiempo de entrenamiento de hasta el 15%, lo que demuestra que el enfoque propuesto ofrece una alternativa práctica y eficiente desde el punto de vista computacional para desplegar modelos basados en LSTM en entornos con recursos limitados y aplicaciones de series de tiempo del mundo real.
</description>
<pubDate>Wed, 01 Apr 2026 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/193827</guid>
<dc:date>2026-04-01T00:00:00Z</dc:date>
<dc:description>Activation functions are fundamental components of modern neural networks, including Large Language Models (LLMs). Nonlinear activations regulate the flow of information in most models and determine how data is processed. However, training or even fine-tuning very large and complex models with such activations, like those used in ChatGPT and DeepSeek, remains out of reach for many researchers due to computational constraints. Therefore, traditional architectures such as LSTM remain highly relevant for smallto medium-scale, real-world applications. In this context, the choice of appropriate functions can significantly influence a model’s learning capability, stability, and training efficiency under limited computational resources. In this work, we analyze the behavior of a novel family of activation functions, called Zorro, when used as gating functions in LSTM architectures. We propose replacing traditional activation and gating functions with Zorro variants to improve both model performance and convergence speed. Unlike conventional approaches, our method assigns a different function to each gate or activation, enabling flexible adaptation to different gated architectures. We evaluate the proposed models on widely used benchmark datasets, including Japanese Vowels and Human Activity Recognition for classification, and Chickenpox and Turbofan Degradation for regression. The results show accuracy improvements of up to 10% and reduction in training time of up to 15%, demonstrating that the proposed approach provides a practical and computationally efficient alternative for deploying LSTM-based models in resource-constrained environments and real-world time-series applications.

Las funciones de activación son componentes fundamentales de las redes neuronales modernas, incluidos los modelos de lenguaje a gran escala (LLMs). Las activaciones no lineales regulan el flujo de información en la mayoría de los modelos y determinan cómo se procesan los datos. Sin embargo, entrenar o incluso ajustar modelos muy grandes y complejos con estas activaciones, como los utilizados en Chat- GPT y DeepSeek, sigue estando fuera del alcance de muchos investigadores debido a las limitaciones computacionales. Por esta razón, arquitecturas tradicionales como las LSTM siguen siendo muy relevantes para aplicaciones del mundo real a pequeña y mediana escala. En este contexto, la elección de funciones adecuadas puede influir significativamente en la capacidad de aprendizaje, estabilidad y eficiencia de entrenamiento de un modelo con recursos computacionales limitados. En este trabajo, analizamos el comportamiento de una nueva familia de funciones de activación, llamada Zorro, cuando se utilizan como funciones de compuerta en arquitecturas LSTM. Proponemos reemplazar las funciones de activación y compuerta tradicionales en las LSTM por las variantes Zorro para mejorar el rendimiento del modelo y la velocidad de convergencia. A diferencia de los enfoques convencionales, nuestro método asigna una función diferente a cada compuerta o activación, permitiendo una adaptación flexible a diferentes arquitecturas con compuertas. Evaluamos los modelos propuestos en conjuntos de datos ampliamente utilizados, incluyendo Japanese Vowels y Human Activity Recognition para clasificación, así como Chickenpox y Turbofan Degradation para regresión. Los resultados muestran mejoras de precisión de hasta 10% y reducciones del tiempo de entrenamiento de hasta el 15%, lo que demuestra que el enfoque propuesto ofrece una alternativa práctica y eficiente desde el punto de vista computacional para desplegar modelos basados en LSTM en entornos con recursos limitados y aplicaciones de series de tiempo del mundo real.</dc:description>
</item>
<item>
<title>Predictive Model using Neural Networks and Multitechnique Validation in Digital Environments with Scarce Data for Sustainable WEEE management</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/193826</link>
<description>Articulo
Modelo Predictivo mediante Redes Neuronales y Validación Multitécnica en Entornos Digitales con Datos Escasos para la Gestión Sostenible de RAEE
Journal of Computer Science &amp; Technology; vol. 26, no.1
The sustainable management of Waste Electrical and Electronic Equipment (WEEE) is a critical global challenge, particularly in contexts with limited data. This study proposes a predictive model based on artificial neural networks, developed from surveys and historical records in the city of Guayaquil, with the aim of estimating WEEE generation on annual and monthly scales. The model was structured in phases of data collection, preprocessing, training, and validation, integrating sociodemographic variables and categories of discarded devices. To ensure reliability, a multi-technique validation protocol was applied, including Hold-Out, Stratified K-Fold, and Bootstrap Sampling methods. Results showed strong performance, with a coefficient of determination (R²) of 0.9125 in initial tests, an average of 0.9097 in cross-validation, and up to 0.9789 with bootstrap, significantly outperforming traditional linear regression methods. These findings confirm the model’s ability to capture non-linear relationships and produce accurate forecasts in data-scarce environments. It is concluded that neural networks represent an effective tool to support strategic planning and decision-making in sustainable WEEE management, providing a replicable framework for other regions facing similar challenges.; La gestión sostenible de Residuos de Aparatos Eléctricos y Electrónicos (RAEE) constituye un desafío crítico a nivel global, especialmente en contextos con datos limitados. Este estudio propone un modelo predictivo basado en redes neuronales artificiales, desarrollado a partir de encuestas y registros históricos en la ciudad de Guayaquil, con el objetivo de estimar la generación de RAEE en periodos anuales y mensuales. El modelo se estructuró en fases de recolección, preprocesamiento, entrenamiento y verificación, integrando variables sociodemográficas y tipos de dispositivos desechados. Para garantizar su confiabilidad, se implementó un protocolo de validación multitécnica que incluyó métodos Hold-Out, K-Fold estratificado y Bootstrap Sampling. Los resultados evidenciaron un desempeño robusto, con un coeficiente de determinación (R²) de 0.9125 en pruebas iniciales, un valor promedio de 0.9097 en validación cruzada y hasta 0.9789 mediante bootstrap, superando ampliamente los métodos de regresión lineal tradicionales. Estos hallazgos confirman la capacidad del modelo para capturar relaciones no lineales y generar proyecciones precisas en entornos de datos escasos. Se concluye que las redes neuronales constituyen una herramienta eficaz para apoyar la planificación estratégica y la toma de decisiones en la gestión sostenible de RAEE, ofreciendo un marco replicable para otras regiones con desafíos similares.
</description>
<pubDate>Wed, 01 Apr 2026 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/193826</guid>
<dc:date>2026-04-01T00:00:00Z</dc:date>
<dc:description>The sustainable management of Waste Electrical and Electronic Equipment (WEEE) is a critical global challenge, particularly in contexts with limited data. This study proposes a predictive model based on artificial neural networks, developed from surveys and historical records in the city of Guayaquil, with the aim of estimating WEEE generation on annual and monthly scales. The model was structured in phases of data collection, preprocessing, training, and validation, integrating sociodemographic variables and categories of discarded devices. To ensure reliability, a multi-technique validation protocol was applied, including Hold-Out, Stratified K-Fold, and Bootstrap Sampling methods. Results showed strong performance, with a coefficient of determination (R²) of 0.9125 in initial tests, an average of 0.9097 in cross-validation, and up to 0.9789 with bootstrap, significantly outperforming traditional linear regression methods. These findings confirm the model’s ability to capture non-linear relationships and produce accurate forecasts in data-scarce environments. It is concluded that neural networks represent an effective tool to support strategic planning and decision-making in sustainable WEEE management, providing a replicable framework for other regions facing similar challenges.

La gestión sostenible de Residuos de Aparatos Eléctricos y Electrónicos (RAEE) constituye un desafío crítico a nivel global, especialmente en contextos con datos limitados. Este estudio propone un modelo predictivo basado en redes neuronales artificiales, desarrollado a partir de encuestas y registros históricos en la ciudad de Guayaquil, con el objetivo de estimar la generación de RAEE en periodos anuales y mensuales. El modelo se estructuró en fases de recolección, preprocesamiento, entrenamiento y verificación, integrando variables sociodemográficas y tipos de dispositivos desechados. Para garantizar su confiabilidad, se implementó un protocolo de validación multitécnica que incluyó métodos Hold-Out, K-Fold estratificado y Bootstrap Sampling. Los resultados evidenciaron un desempeño robusto, con un coeficiente de determinación (R²) de 0.9125 en pruebas iniciales, un valor promedio de 0.9097 en validación cruzada y hasta 0.9789 mediante bootstrap, superando ampliamente los métodos de regresión lineal tradicionales. Estos hallazgos confirman la capacidad del modelo para capturar relaciones no lineales y generar proyecciones precisas en entornos de datos escasos. Se concluye que las redes neuronales constituyen una herramienta eficaz para apoyar la planificación estratégica y la toma de decisiones en la gestión sostenible de RAEE, ofreciendo un marco replicable para otras regiones con desafíos similares.</dc:description>
</item>
<item>
<title>House Price Prediction in Andalusia: A Comparative Study of Hedonic and Machine Learning Approaches Using Online Data</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/193819</link>
<description>Articulo
Predicción de precios de la vivienda en Andalucía: un estudio comparativo de enfoque hedónico y aprendizaje automático utilizando datos en línea
Journal of Computer Science &amp; Technology; vol. 26, no.1
This study explores housing price prediction in six major cities of Andalusia using a combination of traditional and machine learning models. Online property listings were compiled to build a detailed dataset incorporating structural, socioeconomic, and locational variables. A traditional hedonic model was estimated using Ordinary Least Squares (OLS), and its performance was compared with that of Random Forest, K-Nearest Neighbours, and XGBoost. Results show that linear models tend to underperform, highlighting the relevance of non-linear approaches in capturing the complex dynamics of the housing market. To enhance interpretability, SHapley Additive exPlanations (SHAP) values were applied to the XGBoost model, enabling the identification of the most influential predictors in each city. While structural variables remained important across all models, socioeconomic and locational features exhibited varying effects depending on the city. These findings underscore the potential of combining rich data sources with interpretable machine learning techniques for urban housing market analysis.; Este estudio analiza la predicción de precios de la vivienda en seis ciudades principales de Andalucía mediante una combinación de modelos tradicionales y de aprendizaje automático. Se recopilaron anuncios inmobiliarios en línea para construir un conjunto de datos detallado que incorpora variables estructurales, socioeconómicas y de localización. Se estimó un modelo hedónico tradicional mediante Mínimos Cuadrados Ordinarios (MCO) y se comparó su rendimiento con el de Random Forest, K-Nearest Neighbours y XGBoost. Los resultados muestran que los modelos lineales tienden a tener un desempeño inferior, lo que destaca la relevancia de los enfoques no lineales para capturar la compleja dinámica del mercado inmobiliario.&#13;
Para mejorar la interpretabilidad, se aplicaron valores SHapley Additive exPlanations (SHAP) al modelo XGBoost, lo que permitió identificar los predictores más influyentes en cada ciudad. Si bien las variables estructurales siguieron siendo importantes en todos los modelos, las características socioeconómicas y de localización mostraron efectos variables según la ciudad. Estos hallazgos subrayan el potencial de combinar fuentes de datos con técnicas de aprendizaje automático interpretables para el análisis del mercado de la vivienda urbana.
</description>
<pubDate>Wed, 01 Apr 2026 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/193819</guid>
<dc:date>2026-04-01T00:00:00Z</dc:date>
<dc:description>This study explores housing price prediction in six major cities of Andalusia using a combination of traditional and machine learning models. Online property listings were compiled to build a detailed dataset incorporating structural, socioeconomic, and locational variables. A traditional hedonic model was estimated using Ordinary Least Squares (OLS), and its performance was compared with that of Random Forest, K-Nearest Neighbours, and XGBoost. Results show that linear models tend to underperform, highlighting the relevance of non-linear approaches in capturing the complex dynamics of the housing market. To enhance interpretability, SHapley Additive exPlanations (SHAP) values were applied to the XGBoost model, enabling the identification of the most influential predictors in each city. While structural variables remained important across all models, socioeconomic and locational features exhibited varying effects depending on the city. These findings underscore the potential of combining rich data sources with interpretable machine learning techniques for urban housing market analysis.

Este estudio analiza la predicción de precios de la vivienda en seis ciudades principales de Andalucía mediante una combinación de modelos tradicionales y de aprendizaje automático. Se recopilaron anuncios inmobiliarios en línea para construir un conjunto de datos detallado que incorpora variables estructurales, socioeconómicas y de localización. Se estimó un modelo hedónico tradicional mediante Mínimos Cuadrados Ordinarios (MCO) y se comparó su rendimiento con el de Random Forest, K-Nearest Neighbours y XGBoost. Los resultados muestran que los modelos lineales tienden a tener un desempeño inferior, lo que destaca la relevancia de los enfoques no lineales para capturar la compleja dinámica del mercado inmobiliario.&#13;
Para mejorar la interpretabilidad, se aplicaron valores SHapley Additive exPlanations (SHAP) al modelo XGBoost, lo que permitió identificar los predictores más influyentes en cada ciudad. Si bien las variables estructurales siguieron siendo importantes en todos los modelos, las características socioeconómicas y de localización mostraron efectos variables según la ciudad. Estos hallazgos subrayan el potencial de combinar fuentes de datos con técnicas de aprendizaje automático interpretables para el análisis del mercado de la vivienda urbana.</dc:description>
</item>
<item>
<title>Editor’s note, vol. 26, no. 1: April 2026</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/193817</link>
<description>Contribucion a revista
Journal of Computer Science &amp; Technology; vol. 26, no.1
This issue presents five manuscripts: four on artificial intelligence and one on computer networks. A total of 18 different authors from 8 different universities in Argentina, Ecuador, and Spain were involved.
</description>
<pubDate>Wed, 01 Apr 2026 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/193817</guid>
<dc:date>2026-04-01T00:00:00Z</dc:date>
<dc:description>This issue presents five manuscripts: four on artificial intelligence and one on computer networks. A total of 18 different authors from 8 different universities in Argentina, Ecuador, and Spain were involved.</dc:description>
</item>
<item>
<title>Automatic Text Summarization: A Review of Approaches, Challenges, and Future Directions</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/186932</link>
<description>Articulo
Resumen automático de textos: una revisión de enfoques, desafíos y direcciones futuras
Journal of Computer Science &amp; Technology; vol. 25, no. 2
Automatic text summarization (ATS) is a vital area in natural language processing focused on condensing lengthy documents into concise, meaningful summaries. Manual summarization remains time-consuming and costly, motivating extensive research into extractive, abstractive, and hybrid methods. This review provides a comprehensive survey of ATS, covering traditional techniques alongside recent breakthroughs fueled by machine learning, deep learning, and transformerbased architectures, including large language models (LLMs) such as GPT-4, Claude, Falcon, and MPT.&#13;
We introduce a novel multi-dimensional taxonomy that integrates classical methods, emerging paradigms, domain-specific and multimodal approaches, and instruction-tuned LLMs. Our survey analyzes the strengths and limitations of each approach and discusses evaluation methodologies, incorporating both established metrics like ROUGE and BLEU and newer ones. We further address key challenges including factual consistency, prompt sensitivity, explainability, ethical considerations, and computational efficiency. By bridging traditional summarization techniques with cutting-edge LLMbased models, this paper highlights current limitations, emerging opportunities, and future directions aimed at developing robust, reliable, and scalable summarization systems for diverse realworld applications.; El resumen automático de texto (ATS) es un área vital del procesamiento del lenguaje natural, centrada en condensar documentos extensos en resúmenes concisos y significativos. El resumen manual sigue siendo lento y costoso, lo que motiva una amplia investigación sobre métodos extractivos, abstractos e híbridos. Esta revisión ofrece un estudio exhaustivo de los ATS, que abarca las técnicas tradicionales junto con los avances recientes impulsados por el aprendizaje automático, el aprendizaje profundo y las arquitecturas basadas en transformadores, incluyendo grandes modelos de lenguaje (LLM) como GPT-4, Claude, Falcon y MPT. Presentamos una novedosa taxonomía multidimensional que integra métodos clásicos, paradigmas emergentes, enfoques multimodales y específicos de cada dominio, y LLM optimizados para instrucciones. Nuestro estudio analiza las fortalezas y limitaciones de cada enfoque y analiza las metodologías de evaluación, incorporando tanto métricas consolidadas como ROUGE y BLEU como otras más recientes. Además, abordamos desafíos clave como la coherencia fáctica, la sensibilidad inmediata, la explicabilidad, las consideraciones éticas y la eficiencia computacional. Al combinar las técnicas de resumen tradicionales con modelos de vanguardia basados en LLM, este documento destaca las limitaciones actuales, las oportunidades emergentes y las direcciones futuras destinadas a desarrollar sistemas de resumen sólidos, confiables y escalables para diversas aplicaciones del mundo real.
</description>
<pubDate>Wed, 01 Oct 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/186932</guid>
<dc:date>2025-10-01T00:00:00Z</dc:date>
<dc:description>Automatic text summarization (ATS) is a vital area in natural language processing focused on condensing lengthy documents into concise, meaningful summaries. Manual summarization remains time-consuming and costly, motivating extensive research into extractive, abstractive, and hybrid methods. This review provides a comprehensive survey of ATS, covering traditional techniques alongside recent breakthroughs fueled by machine learning, deep learning, and transformerbased architectures, including large language models (LLMs) such as GPT-4, Claude, Falcon, and MPT.&#13;
We introduce a novel multi-dimensional taxonomy that integrates classical methods, emerging paradigms, domain-specific and multimodal approaches, and instruction-tuned LLMs. Our survey analyzes the strengths and limitations of each approach and discusses evaluation methodologies, incorporating both established metrics like ROUGE and BLEU and newer ones. We further address key challenges including factual consistency, prompt sensitivity, explainability, ethical considerations, and computational efficiency. By bridging traditional summarization techniques with cutting-edge LLMbased models, this paper highlights current limitations, emerging opportunities, and future directions aimed at developing robust, reliable, and scalable summarization systems for diverse realworld applications.

El resumen automático de texto (ATS) es un área vital del procesamiento del lenguaje natural, centrada en condensar documentos extensos en resúmenes concisos y significativos. El resumen manual sigue siendo lento y costoso, lo que motiva una amplia investigación sobre métodos extractivos, abstractos e híbridos. Esta revisión ofrece un estudio exhaustivo de los ATS, que abarca las técnicas tradicionales junto con los avances recientes impulsados por el aprendizaje automático, el aprendizaje profundo y las arquitecturas basadas en transformadores, incluyendo grandes modelos de lenguaje (LLM) como GPT-4, Claude, Falcon y MPT. Presentamos una novedosa taxonomía multidimensional que integra métodos clásicos, paradigmas emergentes, enfoques multimodales y específicos de cada dominio, y LLM optimizados para instrucciones. Nuestro estudio analiza las fortalezas y limitaciones de cada enfoque y analiza las metodologías de evaluación, incorporando tanto métricas consolidadas como ROUGE y BLEU como otras más recientes. Además, abordamos desafíos clave como la coherencia fáctica, la sensibilidad inmediata, la explicabilidad, las consideraciones éticas y la eficiencia computacional. Al combinar las técnicas de resumen tradicionales con modelos de vanguardia basados en LLM, este documento destaca las limitaciones actuales, las oportunidades emergentes y las direcciones futuras destinadas a desarrollar sistemas de resumen sólidos, confiables y escalables para diversas aplicaciones del mundo real.</dc:description>
</item>
<item>
<title>Evaluation of Approaches Based on the BERT Model for Opinion Mining about the Cachaça Beverage</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/186931</link>
<description>Articulo
Evaluación de enfoques basados en el modelo BERT para la minería de opinión sobre la bebida cachaça
Journal of Computer Science &amp; Technology; vol. 25, no. 2
Opinion mining is a natural language processing task that aims to classify user opinions expressed on ecommerce platforms, social networks and other media.&#13;
It is an important tool for decision making, monitoring products/services, detecting trends, developing marketing strategies, among others. Much research has been carried out addressing opinions in the English language.&#13;
The Portuguese language is still very lacking in linguistic resources aimed at training machine learning models. This work contributes to the evaluation of approaches based on the BERT language model for opinion mining in the Portuguese language, in particular, by creating and evaluating a dataset with labeled data in the domain of the beverage called Cachaça.&#13;
This is a popular drink in Brazil, and of great economic importance. As a result of the experimental evaluation, the approaches based on the BERT model stood out in relation to two baselines, and in a crossdomain evaluation, they achieved values greater than 0.97 in the F1 metric for classification into 2 classes and 0.64 for 3 classes, in the dataset labeled for the cachaça beverage.; La minería de opinión es una tarea de procesamiento del lenguaje natural que busca clasificar las opiniones de los usuarios expresadas en plataformas de comercio electrónico, redes sociales y otros medios. Es una herramienta importante para la toma de decisiones, el monitoreo de productos/servicios, la detección de tendencias y el desarrollo de estrategias de marketing, entre otros. Se han realizado numerosas investigaciones sobre opiniones en inglés. El portugués aún carece de recursos lingüísticos para el entrenamiento de modelos de aprendizaje automático. Este trabajo contribuye a la evaluación de enfoques basados en el modelo lingüístico BERT para la minería de opinión en portugués, en particular mediante la creación y evaluación de un conjunto de datos etiquetados en el dominio de la cachaça. Esta bebida es popular en Brasil y de gran importancia económica. Como resultado de la evaluación experimental, los enfoques basados en el modelo BERT destacaron en relación con dos líneas base y, en una evaluación interdominio, alcanzaron valores superiores a 0,97 en la métrica F1 para la clasificación en dos clases y 0,64 para tres clases, en el conjunto de datos etiquetado para la cachaça.
</description>
<pubDate>Wed, 01 Oct 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/186931</guid>
<dc:date>2025-10-01T00:00:00Z</dc:date>
<dc:description>Opinion mining is a natural language processing task that aims to classify user opinions expressed on ecommerce platforms, social networks and other media.&#13;
It is an important tool for decision making, monitoring products/services, detecting trends, developing marketing strategies, among others. Much research has been carried out addressing opinions in the English language.&#13;
The Portuguese language is still very lacking in linguistic resources aimed at training machine learning models. This work contributes to the evaluation of approaches based on the BERT language model for opinion mining in the Portuguese language, in particular, by creating and evaluating a dataset with labeled data in the domain of the beverage called Cachaça.&#13;
This is a popular drink in Brazil, and of great economic importance. As a result of the experimental evaluation, the approaches based on the BERT model stood out in relation to two baselines, and in a crossdomain evaluation, they achieved values greater than 0.97 in the F1 metric for classification into 2 classes and 0.64 for 3 classes, in the dataset labeled for the cachaça beverage.

La minería de opinión es una tarea de procesamiento del lenguaje natural que busca clasificar las opiniones de los usuarios expresadas en plataformas de comercio electrónico, redes sociales y otros medios. Es una herramienta importante para la toma de decisiones, el monitoreo de productos/servicios, la detección de tendencias y el desarrollo de estrategias de marketing, entre otros. Se han realizado numerosas investigaciones sobre opiniones en inglés. El portugués aún carece de recursos lingüísticos para el entrenamiento de modelos de aprendizaje automático. Este trabajo contribuye a la evaluación de enfoques basados en el modelo lingüístico BERT para la minería de opinión en portugués, en particular mediante la creación y evaluación de un conjunto de datos etiquetados en el dominio de la cachaça. Esta bebida es popular en Brasil y de gran importancia económica. Como resultado de la evaluación experimental, los enfoques basados en el modelo BERT destacaron en relación con dos líneas base y, en una evaluación interdominio, alcanzaron valores superiores a 0,97 en la métrica F1 para la clasificación en dos clases y 0,64 para tres clases, en el conjunto de datos etiquetado para la cachaça.</dc:description>
</item>
<item>
<title>Explainable Artificial Intelligence: Analysis of Methodologies and Applications</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/186930</link>
<description>Articulo
Inteligencia artificial explicable: análisis de metodologías y aplicaciones
Journal of Computer Science &amp; Technology; vol. 25, no. 2
Explainability is essential in healthcare, finance, and security, where black-box models can undermine trust and decisions. Recent advances in eXplainable Artificial Intelligence (XAI) across structured/tabular data, computer vision, and natural language processing are surveyed. Thirty articles (2022–2024) were selected through a structured search with explicit inclusion criteria, and emerging approaches are compared with established techniques such as LIME and SHAP, alongside rule-, logic-, and ontology-based methods. Methods are organized along key dimensions—post-hoc vs. ante-hoc, model-agnostic vs. model-specific, scope, problem type, input data, and output format—and their effectiveness and applicability are evaluated. The review highlights innovations including spatially explainable architectures (e.g., SAMCNet) and entropy-based logic explanations, and identifies persistent challenges in robustness, cross-domain generalization, and deployment. Overall, findings consolidate the evolving XAI landscape and indicate directions toward reproducible techniques that strengthen transparency, accountability, and user trust in AI systems.; La explicabilidad es esencial en salud, finanzas y seguridad, donde los modelos de caja negra pueden socavar la confianza y las decisiones. Se revisan avances recientes en Inteligencia Artificial Explicable (XAI) en datos estructurados/tabulares, visión por computadora y procesamiento del lenguaje natural. Se seleccionaron treinta artículos (2022–2024) mediante una búsqueda estructurada con criterios de inclusión explícitos, y se comparan enfoques emergentes con técnicas consolidadas como LIME y SHAP, junto con métodos basados en reglas, lógica y ontologías. Los métodos se organizan según dimensiones clave—post hoc vs. ante hoc, agnóstico al modelo vs. específico de modelo, alcance, tipo de problema, datos de entrada y formato de salida—y se evalúa su efectividad y aplicabilidad. Se destacan innovaciones como arquitecturas con explicabilidad espacial (p. ej., SAMCNet) y explicaciones lógicas basadas en entropía, y se identifican desafíos persistentes en robustez, generalización entre dominios y despliegue.&#13;
En conjunto, los hallazgos consolidan el panorama en evolución de XAI y señalan direcciones hacia técnicas reproducibles que fortalezcan la transparencia, la rendición de cuentas y la confianza de los usuarios en los sistemas de IA.
</description>
<pubDate>Wed, 01 Oct 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/186930</guid>
<dc:date>2025-10-01T00:00:00Z</dc:date>
<dc:description>Explainability is essential in healthcare, finance, and security, where black-box models can undermine trust and decisions. Recent advances in eXplainable Artificial Intelligence (XAI) across structured/tabular data, computer vision, and natural language processing are surveyed. Thirty articles (2022–2024) were selected through a structured search with explicit inclusion criteria, and emerging approaches are compared with established techniques such as LIME and SHAP, alongside rule-, logic-, and ontology-based methods. Methods are organized along key dimensions—post-hoc vs. ante-hoc, model-agnostic vs. model-specific, scope, problem type, input data, and output format—and their effectiveness and applicability are evaluated. The review highlights innovations including spatially explainable architectures (e.g., SAMCNet) and entropy-based logic explanations, and identifies persistent challenges in robustness, cross-domain generalization, and deployment. Overall, findings consolidate the evolving XAI landscape and indicate directions toward reproducible techniques that strengthen transparency, accountability, and user trust in AI systems.

La explicabilidad es esencial en salud, finanzas y seguridad, donde los modelos de caja negra pueden socavar la confianza y las decisiones. Se revisan avances recientes en Inteligencia Artificial Explicable (XAI) en datos estructurados/tabulares, visión por computadora y procesamiento del lenguaje natural. Se seleccionaron treinta artículos (2022–2024) mediante una búsqueda estructurada con criterios de inclusión explícitos, y se comparan enfoques emergentes con técnicas consolidadas como LIME y SHAP, junto con métodos basados en reglas, lógica y ontologías. Los métodos se organizan según dimensiones clave—post hoc vs. ante hoc, agnóstico al modelo vs. específico de modelo, alcance, tipo de problema, datos de entrada y formato de salida—y se evalúa su efectividad y aplicabilidad. Se destacan innovaciones como arquitecturas con explicabilidad espacial (p. ej., SAMCNet) y explicaciones lógicas basadas en entropía, y se identifican desafíos persistentes en robustez, generalización entre dominios y despliegue.&#13;
En conjunto, los hallazgos consolidan el panorama en evolución de XAI y señalan direcciones hacia técnicas reproducibles que fortalezcan la transparencia, la rendición de cuentas y la confianza de los usuarios en los sistemas de IA.</dc:description>
</item>
<item>
<title>Machine Learning for Site Adaptation of Satellite-Derived Solar Irradiance in Northwestern Argentina</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/186891</link>
<description>Articulo
Aprendizaje automático para la adaptación al sitio de irradiancia solar derivada de salites en el Noroeste Argentino
Journal of Computer Science &amp; Technology; vol. 25, no. 2
Accurate estimation of global horizontal irradiance (GHI) is essential for solar energy resource assessment, particularly in regions with limited ground-based measurements.&#13;
This study evaluates the performance of three machine learning models—Simple Linear Regression (SLR), Extreme Gradient Boosting (XGB), and Multilayer Perceptron (MLP)—for the site adaptation of satellite-derived GHI data in five locations in Northwestern Argentina. Two satellite products, CAMS and LSA-SAF, were used as input data. The models were assessed using standard error metrics (MBE, MAE, RMSE), and their residual patterns were analyzed. Results show that LSA-SAF data led to lower errors compared to CAMS, especially in highaltitude sites. While complex models like MLP and XGB marginally improved accuracy in some cases, SLR offered comparable results with higher robustness.&#13;
The analysis also identified systematic biases and discretization effects in tree-based models. These findings suggest that, under current data conditions, simpler models may offer reliable performance. Enhancing input data quality and incorporating additional meteorological features may yield greater improvements than increasing model complexity.; La estimación precisa de la irradiancia global horizontal (GHI) es fundamental para evaluar el recurso solar, especialmente en regiones con escasas mediciones terrestres. Este estudio evalúa el desempeño de tres modelos de aprendizaje automático—Regresión Lineal Simple (SLR), Extreme Gradient Boosting (XGB) y Perceptrón Multicapa (MLP)—para la adaptación al sitio de datos de GHI obtenidos por satélite en cinco ubicaciones del noroeste argentino. Se utilizaron dos productos satelitales, CAMS y LSA-SAF, como datos de entrada. Los modelos se evaluaron mediante métricas estándar (MBE, MAE, RMSE) y análisis de residuos. Los resultados indican que los datos de LSA-SAF generaron errores menores, especialmente en sitios de gran altitud. Aunque modelos complejos como MLP y XGB mejoraron levemente la precisión en algunos casos, SLR logró resultados comparables con mayor robustez. El análisis también evidenció sesgos sistemáticos y efectos de discretización en modelos basados enárboles. Estos hallazgos sugieren que, dadas las condiciones actuales de los datos, modelos simples pueden ofrecer un desempeño confiable.&#13;
Mejoras significativas podrían lograrse mediante la incorporación de variables meteorológicas adicionales y datos de mayor calidad.
</description>
<pubDate>Wed, 01 Oct 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/186891</guid>
<dc:date>2025-10-01T00:00:00Z</dc:date>
<dc:description>Accurate estimation of global horizontal irradiance (GHI) is essential for solar energy resource assessment, particularly in regions with limited ground-based measurements.&#13;
This study evaluates the performance of three machine learning models—Simple Linear Regression (SLR), Extreme Gradient Boosting (XGB), and Multilayer Perceptron (MLP)—for the site adaptation of satellite-derived GHI data in five locations in Northwestern Argentina. Two satellite products, CAMS and LSA-SAF, were used as input data. The models were assessed using standard error metrics (MBE, MAE, RMSE), and their residual patterns were analyzed. Results show that LSA-SAF data led to lower errors compared to CAMS, especially in highaltitude sites. While complex models like MLP and XGB marginally improved accuracy in some cases, SLR offered comparable results with higher robustness.&#13;
The analysis also identified systematic biases and discretization effects in tree-based models. These findings suggest that, under current data conditions, simpler models may offer reliable performance. Enhancing input data quality and incorporating additional meteorological features may yield greater improvements than increasing model complexity.

La estimación precisa de la irradiancia global horizontal (GHI) es fundamental para evaluar el recurso solar, especialmente en regiones con escasas mediciones terrestres. Este estudio evalúa el desempeño de tres modelos de aprendizaje automático—Regresión Lineal Simple (SLR), Extreme Gradient Boosting (XGB) y Perceptrón Multicapa (MLP)—para la adaptación al sitio de datos de GHI obtenidos por satélite en cinco ubicaciones del noroeste argentino. Se utilizaron dos productos satelitales, CAMS y LSA-SAF, como datos de entrada. Los modelos se evaluaron mediante métricas estándar (MBE, MAE, RMSE) y análisis de residuos. Los resultados indican que los datos de LSA-SAF generaron errores menores, especialmente en sitios de gran altitud. Aunque modelos complejos como MLP y XGB mejoraron levemente la precisión en algunos casos, SLR logró resultados comparables con mayor robustez. El análisis también evidenció sesgos sistemáticos y efectos de discretización en modelos basados enárboles. Estos hallazgos sugieren que, dadas las condiciones actuales de los datos, modelos simples pueden ofrecer un desempeño confiable.&#13;
Mejoras significativas podrían lograrse mediante la incorporación de variables meteorológicas adicionales y datos de mayor calidad.</dc:description>
</item>
<item>
<title>Scalability in Microservices: A systematic literature review</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/186890</link>
<description>Articulo
Escalabilidad en microservicios: una revision sistematica de la literatura
Journal of Computer Science &amp; Technology; vol. 25, no. 2
The scalability of microservices architectures is crucial for modern software systems, yet it presents significant challenges due to their inherent complexities.&#13;
This study aims to systematically review existing literature on the scalability of microservices, identifying key strategies, challenges, and emerging trends.&#13;
We conducted a systematic literature review following the PRISMA guidelines, analyzing 55 scholarly articles that specifically address the scalability of microservices.&#13;
The review focused on various scaling approaches, metrics, and the effectiveness of autoscaling mechanisms. Our findings reveal a diverse body of literature with a predominant focus on autoscaling strategies, particularly those utilizing machine learning. Key challenges identified include accurate metrics collection, dynamic scaling decision-making, and balancing performance with cost and security. While progress has been made in addressing scalability challenges, significant gaps remain, particularly in standardizing autoscaling metrics. Future research should focus on developing robust, adaptive autoscaling systems that can effectively manage real-world complexities and dynamic workloads, ensuring both performance and cost optimization in microservices architectures.; La escalabilidad de las arquitecturas de microservicios es crucial para los sistemas de software modernos, pero presenta desafíos significativos debido a sus complejidades inherentes. Este estudio tiene como objetivo revisar sistemáticamente la literatura existente sobre la escalabilidad de los microservicios, identificando estrategias clave, desafíos y tendencias emergentes.&#13;
Llevamos a cabo una revisión sistemática de la literatura siguiendo las directrices PRISMA, analizando 55 artículos académicos que abordan específicamente la escalabilidad de los microservicios. La revisión se centró en diversos enfoques de escalado, métricas y la efectividad de los mecanismos de autoescalado.&#13;
Nuestros hallazgos revelan un cuerpo diverso de literatura con un enfoque predominante en las estrategias de autoescalado, particularmente aquellas que utilizan aprendizaje automático. Los desafíos clave identificados incluyen la recopilación precisa de métricas, la toma de decisiones de escalado dinámico y el equilibrio entre el rendimiento, el costo y la seguridad. Si bien se han logrado avances en la resolución de los desafíos de escalabilidad, persisten brechas significativas, particularmente en la estandarización de las métricas de autoescalado. Las investigaciones futuras deberían centrarse en desarrollar sistemas de autoescalado robustos y adaptativos que puedan gestionar eficazmente las complejidades del mundo real y las cargas de trabajo dinámicas, garantizando tanto la optimización del rendimiento como del costo en las arquitecturas de microservicios.
</description>
<pubDate>Wed, 01 Oct 2025 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/186890</guid>
<dc:date>2025-10-01T00:00:00Z</dc:date>
<dc:description>The scalability of microservices architectures is crucial for modern software systems, yet it presents significant challenges due to their inherent complexities.&#13;
This study aims to systematically review existing literature on the scalability of microservices, identifying key strategies, challenges, and emerging trends.&#13;
We conducted a systematic literature review following the PRISMA guidelines, analyzing 55 scholarly articles that specifically address the scalability of microservices.&#13;
The review focused on various scaling approaches, metrics, and the effectiveness of autoscaling mechanisms. Our findings reveal a diverse body of literature with a predominant focus on autoscaling strategies, particularly those utilizing machine learning. Key challenges identified include accurate metrics collection, dynamic scaling decision-making, and balancing performance with cost and security. While progress has been made in addressing scalability challenges, significant gaps remain, particularly in standardizing autoscaling metrics. Future research should focus on developing robust, adaptive autoscaling systems that can effectively manage real-world complexities and dynamic workloads, ensuring both performance and cost optimization in microservices architectures.

La escalabilidad de las arquitecturas de microservicios es crucial para los sistemas de software modernos, pero presenta desafíos significativos debido a sus complejidades inherentes. Este estudio tiene como objetivo revisar sistemáticamente la literatura existente sobre la escalabilidad de los microservicios, identificando estrategias clave, desafíos y tendencias emergentes.&#13;
Llevamos a cabo una revisión sistemática de la literatura siguiendo las directrices PRISMA, analizando 55 artículos académicos que abordan específicamente la escalabilidad de los microservicios. La revisión se centró en diversos enfoques de escalado, métricas y la efectividad de los mecanismos de autoescalado.&#13;
Nuestros hallazgos revelan un cuerpo diverso de literatura con un enfoque predominante en las estrategias de autoescalado, particularmente aquellas que utilizan aprendizaje automático. Los desafíos clave identificados incluyen la recopilación precisa de métricas, la toma de decisiones de escalado dinámico y el equilibrio entre el rendimiento, el costo y la seguridad. Si bien se han logrado avances en la resolución de los desafíos de escalabilidad, persisten brechas significativas, particularmente en la estandarización de las métricas de autoescalado. Las investigaciones futuras deberían centrarse en desarrollar sistemas de autoescalado robustos y adaptativos que puedan gestionar eficazmente las complejidades del mundo real y las cargas de trabajo dinámicas, garantizando tanto la optimización del rendimiento como del costo en las arquitecturas de microservicios.</dc:description>
</item>
<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>
<item>
<title>ODP-DASHBOARD: enhancing marine species conservation in the South Atlantic through linked open data integration</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/173751</link>
<description>Articulo
ODP-DASHBOARD: mejorar la conservación de especies marinas en el Atlántico Sur mediante la integración de datos abiertos vinculados
Journal of Computer Science &amp; Technology; vol. 24, no. 2
This paper presents the development of a Cloud-based dashboard called ODP-DASHBOARD (Ocean Data Platform), to manage information from the Marine Biodiversity domains and Oceanography. In this context, the Linked Open Data (LOD) paradigm has emerged as a set of best practices for connecting, sharing and exposing data and knowledge. A central part of this paradigm are ontologies, which allow the definition of shared vocabularies and conceptual models that help integrate this information. These considerations provide a strong motivation to formulate a system that takes into account geospatial characteristics that can provide answers to questions such as the following: (i) How can we define spatial regions for our studies? (ii) How are species distributed in a given region ? (iii) Given a particular georeference, what geographic region does it belong to? (iv) How to relate species occurrences to environmental variables within a specific region ?. This system is composed of (i) Architecture; (ii) Conceptual model and (iii) Linked data set for exploitation through a SPARQL endpoint. The evaluation was carried out from two approaches, the first of which consists of validating the dashboard using real data extracted from Marine Biodiversity and Oceanography repositories and then validating the proposed conceptual model using competency questions. The second approach has to do with validation through case studies defined together with researchers from the Scientific and Technological Center (CENPAT-CONICET).; En este artículo se presenta el desarrollo de un tablero de mando basado en la nube llamado ODP- DASHBOARD (Ocean Data Platform), para gestionar información de los dominios de Biodiversidad Marina y Oceanografía. En este contexto, el paradigma Linked Open Data (LOD) ha surgido como un conjunto de mejores prácticas para conectar, compartir y exponer datos y conocimiento. Una parte central de este paradigma son las ontologias, que permiten la definición de vocabularios compartidos y modelos conceptuales que ayudan a integrar esta información. Estas consideraciones proporcionan una fuerte motivación para formular un sistema que tenga en cuenta las características geoespaciales que puedan proporcionar respuestas a preguntas como las siguientes: (i) ¿Cómo podemos definir regiones espaciales para nuestros estudios ? (ii) ¿ Cómo se distribuyen las especies en una región determinada? (iii) Dada una georeferencia particular, ¿a qué región geográfica pertenece? (iv) ¿Cómo relacionar las ocurrencias de especies con las variables ambientales dentro de una región específica ?. Este sistema se compone de (i) Arquitectura; (ii) Modelo conceptual y (iii) Conjunto de datos enlazados para su explotación a través de un endpoint SPARQL. La evaluación se realizó desde dos enfoques, el primero de ellos consiste en validar el tablero de mando utilizando datos reales extraídos de repositorios de Biodiversidad Marina y Oceanografía y luego validar el modelo conceptual propuesto mediante preguntas de competencias. El segundo enfoque tiene que ver con la validación a través de estudios de casos definidos en conjunto con investigadores del Centro Científico y Tecnológico (CENPAT-CONICET).
</description>
<pubDate>Tue, 01 Oct 2024 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/173751</guid>
<dc:date>2024-10-01T00:00:00Z</dc:date>
<dc:description>This paper presents the development of a Cloud-based dashboard called ODP-DASHBOARD (Ocean Data Platform), to manage information from the Marine Biodiversity domains and Oceanography. In this context, the Linked Open Data (LOD) paradigm has emerged as a set of best practices for connecting, sharing and exposing data and knowledge. A central part of this paradigm are ontologies, which allow the definition of shared vocabularies and conceptual models that help integrate this information. These considerations provide a strong motivation to formulate a system that takes into account geospatial characteristics that can provide answers to questions such as the following: (i) How can we define spatial regions for our studies? (ii) How are species distributed in a given region ? (iii) Given a particular georeference, what geographic region does it belong to? (iv) How to relate species occurrences to environmental variables within a specific region ?. This system is composed of (i) Architecture; (ii) Conceptual model and (iii) Linked data set for exploitation through a SPARQL endpoint. The evaluation was carried out from two approaches, the first of which consists of validating the dashboard using real data extracted from Marine Biodiversity and Oceanography repositories and then validating the proposed conceptual model using competency questions. The second approach has to do with validation through case studies defined together with researchers from the Scientific and Technological Center (CENPAT-CONICET).

En este artículo se presenta el desarrollo de un tablero de mando basado en la nube llamado ODP- DASHBOARD (Ocean Data Platform), para gestionar información de los dominios de Biodiversidad Marina y Oceanografía. En este contexto, el paradigma Linked Open Data (LOD) ha surgido como un conjunto de mejores prácticas para conectar, compartir y exponer datos y conocimiento. Una parte central de este paradigma son las ontologias, que permiten la definición de vocabularios compartidos y modelos conceptuales que ayudan a integrar esta información. Estas consideraciones proporcionan una fuerte motivación para formular un sistema que tenga en cuenta las características geoespaciales que puedan proporcionar respuestas a preguntas como las siguientes: (i) ¿Cómo podemos definir regiones espaciales para nuestros estudios ? (ii) ¿ Cómo se distribuyen las especies en una región determinada? (iii) Dada una georeferencia particular, ¿a qué región geográfica pertenece? (iv) ¿Cómo relacionar las ocurrencias de especies con las variables ambientales dentro de una región específica ?. Este sistema se compone de (i) Arquitectura; (ii) Modelo conceptual y (iii) Conjunto de datos enlazados para su explotación a través de un endpoint SPARQL. La evaluación se realizó desde dos enfoques, el primero de ellos consiste en validar el tablero de mando utilizando datos reales extraídos de repositorios de Biodiversidad Marina y Oceanografía y luego validar el modelo conceptual propuesto mediante preguntas de competencias. El segundo enfoque tiene que ver con la validación a través de estudios de casos definidos en conjunto con investigadores del Centro Científico y Tecnológico (CENPAT-CONICET).</dc:description>
</item>
<item>
<title>Viability study of SYCL as a unified programming model for heterogeneous systems based on GPUs in bioinformatics</title>
<link>http://sedici.unlp.edu.ar:80/handle/10915/173749</link>
<description>Contribucion a revista
Estudio de viabilidad de SYCL como modelo de programación unificado para sistemas heterogéneos basados en GPUs en bioinformática
Journal of Computer Science &amp; Technology; vol. 24, no. 2; https://sedici.unlp.edu.ar/handle/10915/164928
Bioinformatics and Computational Biology are disciplines that have used GPUs for over two decades to accelerate data processing in computational applications, where CUD A has been the most utilized programming language. However, the exclusive use of CUDA presents a portability issue, as it is only compatible with NVIDIA GPUs and not with other heterogeneous architectures, such as AMD or Intel GPUs, or any other type of accelerator. To address this portability challenge, the Khronos Group recently introduced the SYCL standard, a multi-platform programming model that offers a high-level programming interface. This standard facilitates the development of portable applications that can efficiently leverage the capabilities of different hardware devices, such as NVIDIA, Intel, and AMD GPUs, without needing significant modifications to the source code. Therefore, this thesis set out as its general objective to evaluate the feasibility of SYCL as a unified, portable, and efficient heterogeneous programming model for the design and development of computationally demanding applications on heterogeneous GPU-based systems, specifically in the field of bioinformatics.&#13;
Initially, a detailed investigation was conducted about heterogeneous programming models, performance metrics, and bioinformatics concepts, in order to establish the theoretical foundations of this thesis. Then, the SW# suite was chosen as the case study, as it represents a clear example of a CUDA-based bioinformatics application for biological sequence alignment. Using the SYCLomatic tool, a complete migration of the CUDA code to SYCL was carried out, which involved modifying the generated code and solving runtime errors. Additionally, the functionality was verified, optimizations were applied, and the resulting SYCL code was standardized to be compatible with other SYCL implementations.&#13;
Subsequently, multiple experiments were conducted to evaluate the functionality and performance portability of the software migrated to SYCL. These experiments involved running the application on a wide variety of HPC platforms, including different CPUs and GPUs from various manufacturers. The results obtained demonstrated performance comparable to CUDA in most configurations, confirming the effectiveness of SY CL. Moreover, good performance portability across platforms was observed due to SYCL's ability to run on various hardware combinations. Furthermore, performance remained consistent when switching SYCL implementations. In conclusion, this study demonstrates that SYCL is a viable alternative as a unified, portable, and efficient programming model in the context of heterogeneous computing with GPUs for bioinformatics applications. The findings of this study lay the groundwork for the transition of legacy applications and the development of new solutions leveraging the capabilities of SYCL.
En "Documentos relacionados" se encuentra el enlace al texto completo de la tesis.
</description>
<pubDate>Tue, 01 Oct 2024 00:00:00 GMT</pubDate>
<guid isPermaLink="false">http://sedici.unlp.edu.ar:80/handle/10915/173749</guid>
<dc:date>2024-10-01T00:00:00Z</dc:date>
<dc:description>Bioinformatics and Computational Biology are disciplines that have used GPUs for over two decades to accelerate data processing in computational applications, where CUD A has been the most utilized programming language. However, the exclusive use of CUDA presents a portability issue, as it is only compatible with NVIDIA GPUs and not with other heterogeneous architectures, such as AMD or Intel GPUs, or any other type of accelerator. To address this portability challenge, the Khronos Group recently introduced the SYCL standard, a multi-platform programming model that offers a high-level programming interface. This standard facilitates the development of portable applications that can efficiently leverage the capabilities of different hardware devices, such as NVIDIA, Intel, and AMD GPUs, without needing significant modifications to the source code. Therefore, this thesis set out as its general objective to evaluate the feasibility of SYCL as a unified, portable, and efficient heterogeneous programming model for the design and development of computationally demanding applications on heterogeneous GPU-based systems, specifically in the field of bioinformatics.&#13;
Initially, a detailed investigation was conducted about heterogeneous programming models, performance metrics, and bioinformatics concepts, in order to establish the theoretical foundations of this thesis. Then, the SW# suite was chosen as the case study, as it represents a clear example of a CUDA-based bioinformatics application for biological sequence alignment. Using the SYCLomatic tool, a complete migration of the CUDA code to SYCL was carried out, which involved modifying the generated code and solving runtime errors. Additionally, the functionality was verified, optimizations were applied, and the resulting SYCL code was standardized to be compatible with other SYCL implementations.&#13;
Subsequently, multiple experiments were conducted to evaluate the functionality and performance portability of the software migrated to SYCL. These experiments involved running the application on a wide variety of HPC platforms, including different CPUs and GPUs from various manufacturers. The results obtained demonstrated performance comparable to CUDA in most configurations, confirming the effectiveness of SY CL. Moreover, good performance portability across platforms was observed due to SYCL's ability to run on various hardware combinations. Furthermore, performance remained consistent when switching SYCL implementations. In conclusion, this study demonstrates that SYCL is a viable alternative as a unified, portable, and efficient programming model in the context of heterogeneous computing with GPUs for bioinformatics applications. The findings of this study lay the groundwork for the transition of legacy applications and the development of new solutions leveraging the capabilities of SYCL.</dc:description>
</item>
</channel>
</rss>
