PERTINENCIA DE LA FORMALIZACIÓN DE DOMINIOS SEMIFORMALMENTE DEFINIDOS EN EL ANÁLISIS INTELIGENTE DE DATOS
Palabras clave:
Análisis inteligente de datos, dominios semi-formalmente definidosResumen
Resumen
Descubrir Conocimiento en Dominio Semi-Formalmente Definidos es un problema no trivial que generalmente requiere de soluciones de hechura a la medida, costosas y en las que se requiere invertir un tiempo considerable, cuando éstas son encontradas. Lo anterior debido a las grandes cantidades de conocimiento tácito o implícito que dificulta la organización del conocimiento en una estructura que ayude a transitar de un estado a otro hasta alcanzar una solución. Es así que el presente artículo somete a discusión la pertinencia de llevar a cabo una caracterización, quizás mediante la propuesta de una ontología, que ayude a los buscadores de conocimiento a tener mayor claridad de la situación que establezca la naturaleza del Problema que enfrentan y que les permitiría implementar una solución que produjera resultados más útiles y significativos y, posiblemente, con un menor esfuerzo.
Palabras clave: Análisis inteligente de datos, dominios semi-formalmente definidos.
Descargas
Citas
Brooks, F. 1987. No Silver Bullet -Essence and Accidentals of Software Engineerning. IEEE Computing, 20, 10 - 19.
Cao, L., Yu, P., Zhang, C., y Zhao, Y. 2010. Domain Data Mining. New York: Springer.
Cohen, P., y Addams, N. 2009.Intelligent Data analysis in the 21 st Century. Proceedings of the 8th International Symposium on Intelligent Data Analysis: Advances in Intelligent Data Analysis VIII. Lyon, France.
Deng, J., y Purvis, M. 2009. Software Effort Estimation: Harmonizing Algorithms and Domain Knowledge in an Integrated Data Mining Approach.
Duan, C. 2008. Clustering and its Applications in Software Engineering. DePaul University. USA: DePaul University.
Fayyad, U., Piatetsky-Shapiro, G., y Smith, P.(1996). From Data Mining to Knowledge Discovery: an Overview. The AI Magazine , 17 (3), 37-54.
Fournier-Viger, P., Nkambou, R., y Mephu Nguito, E. 2008. A Sequential Pattern Mining Algorithm for Extracting Partial Problem Spaces from Logged User Interactions. 3rd International Workshop on Intelligent Tutorial Systems in Ill-Defined Domains, (págs. 46-55). Montreal Canada.
Friedrich, W., y Var Der Poll, J. 2007. Towards a Methodology to Elicit Tacit Dnowledge Domain Knowledge to Users. Interdisciliplary Journal of Information, Knowledge and Managament, 179-193.
Gibert, K., y Cortés, U. 2006. Clustering based on rules and Knowledge Discovery in illstructured domains. Computación y Sistemas.
Gibert, K., y Cortés, U. 2004. Técnicas Híbridas de Inteligencia Artificial y Estadística para el Descubrimiento de Conocimiento y Minería de Datos. Tendencias de la Minería de Datos en España , págs. 119-130.
Gibert, K., y Pérez-Bonilla, A. 2005. Fuzzy box-plot based induction rules. Towards automatic generation of classes-interpretation. EUSFLAT. Barcelona.
Hassanien, A., Abdelha, M., y Own, H. 2008. Rourh Sets Data Analysis in Knowledge Discovery: A Case of Kuwait Diabetic Children Patients. Advances in Fuzzy Systems, 8, 1-13.
Jonassen, D. H. 1997. Instructional design models for well-structured and IIIstructured problem-solving learning outcomes. Educational Technology Research and Development, 45 (1), 65-94.
Jonassen, D., y Hung, W. 2008. All Problems are not Equal: Implications for Problem-Based Learning. The Interdisciplinary Journal of Problem-based Learning , 2 (2), 6-28.
Klashner, R., y Sabet, S. 2007. A DSS Design Model for Complex Problems: Lessons from Mission Critical Infrastructure. Decision Support Systems, 43 (3), 990-1013.
Lavrac, N., Keravnou, E., y Zupan, B. 2000. Intelligent Data Analysis in Medicine. Encyclopedia of Computer and Technology, 9, 113-157.
Lynch, C., y Aleven, V. 2006. Defining "Ill-Defined Domains; A literature survey". 8th Conference on Intelligent Tutoring System. Jhongli, Taiwan.
Mitrovic, A., y Weerasinghe, A. 2009. Revisiting Ill-Definedness and the Consequences for ITSs. Frontiers in Artificial Intelligence and Applications , 200, 375-382.
Peek, N., Combi, C., y Tucker, A. 2009. Biomedicarl Data Mining. Journal Methods of Information in Medicine, 48, 225-228.
Petkov, D., Petkova, O., Andrew, T., y Nepal, T. 2006. Mixing Multiple Criteria Decision Making with Soft Systems Thinking Techniques for Decision Support in Complex Situations. Decision Support Systems, 43 (4), 1615-1629.
Redpath, R., y Srinivasan, B. 2004. A Model for Domain Centered Knowledge Discovery in Database. Proceedings of the IEEE 4th International Conference on Intelligent Systems Designs and Applications. Budapest, Hungary.
Rittel, H. W., y Webber, M. M. 1973. Dilemmas in a General Theory of Planning. Policy Sciences, 4 (2), 155-169.
Rodas, J., y Rojo, E. 2005. Knowledge Discovery in Repeated Very Short Serial Measurements with a Blocking Factor. Application to a Psychiatric Domain. International Journal of Hybrid Intellignet Systems, 2 (1/2005), 57-87.
Simon, H. 1973. The Structure of Ill Structured Problems. Artificial Intelligence , 4 (3-4), 181-201.
Vázquez, F. 2008. Caracterización e Interpretación Automática de Descripciones Conceptuales en Dominios Poco Estructurados. México, México: Centro de Investigación en Computación del IPN.
Viademonte, S., y Burstein, F. 2006. From knowledge discovery to computational intelligent: A Framework for Support Decision Systems. En Intelligent Decision-making Support Systems Foundations, Applications and Challenges (págs. 57-78).
Zannier, C., Chiasson, M., y Maurer, F. 2007. A Model of Design Decision Making Based on Empirical Results of Interviews with Software Design. Information and Software Technology, 49 (6), 637-653.
Publicado
Cómo citar
Número
Sección
Licencia
Todos los contenidos de CULCYT se distribuyen bajo una licencia de uso y distribución “Creative Commons Reconocimiento-No Comercial 4.0 Internacional” (CC-BY-NC). Puede consultar desde aquí la versión informativa de la licencia.
Los autores/as que soliciten publicar en esta revista, aceptan los términos siguientes: a) los/las autores/as conservarán sus derechos de autor y garantizarán a la revista el derecho de primera publicación de su obra; y b) se permite y recomienda a los/las autores/as agregar enlaces de sus artículos en CULCYT en la página web de su institución o en la personal, debido a que ello puede generar intercambios interesantes y aumentar las citas de su obra publicada.
