Líneas de Investigación | DICC

Líneas de Investigación | DICC

Sobre el DICC | Integrantes | Líneas de investigación Publicaciones | Grado | Cursos
.................................................................................................

Metodologías de enseñanza en Ciencias, Tecnología, Matemáticas e Ingeniería  

Las actuales dificultades en el aprendizaje de los alumnos universitarios son una preocupación constante y cada vez mayor. En esta línea de trabajo nos hemos concentrado en el estudio de metodologías innovadoras de enseñanza y principios modernos de aprendizaje actualmente en aplicación en Universidades de primera línea de USA, Canadá y otros países desarrollados, analizando su potencial aplicación en el medio local. Inicialmente (pero no en forma excluyente) nos hemos enfocado en la metodología conocida como 'TEAM BASED LEARNING' y su aplicación en asignaturas de Ingeniería en Informática.  

Se implementan los diferentes componentes de la metodología adaptándolos al contexto nacional, registrando todas las operaciones, experiencias y resultados comparativos (sobre parámetros observables de niveles de aprendizaje, aprobación, asistencia, satisfacción de los estudiantes, desarrollo de aptitudes y destrezas para el estudio permanente, el trabajo en equipos, etc.). Los resultados y las experiencias son difundidos a nivel nacional e internacional: hemos dictado varios seminarios sobre TBL para profesores de la Universidad Católica, varias conferencias a nivel nacional, conferencias globales TBLC en USA 2013 y 2014, seminarios globales en línea para el IEEE durante los años 2013 a 2015 y taller para profesores de la “Society for Teaching and Learning in Higher Education”, en Canada 2015.  

Hemos asimismo planificado, organizado y colaborado con la ejecución de seminarios dictados en Uruguay por varios expertos internacionales: Dr. Larry Michaelsen (“Team Based Learning”, 2013), Dr. Dee Fink (“Course design for significant learning”, 2015), Prof. Jim Sibley (“Effective teaching activities design”, 2016). Participamos activamente en “Team Based Learning Collaborative”. El Dr. Ocampo se ha certificado como “TBL Consultant Trainer” por el TBLC durante el año 2013, y actualmente se desempeña como Mentor de dicho programa. Asimismo participa en los comités “TBL Scholarship” y “TBL Editorial Board”, de “Team Based Learning Collaborative”. 

Datos de contacto: Dr. Ernesto Ocampo Edye (eocampo@ucu.edu.uy)

Sistemas Inteligentes Aplicados

La cantidad de información actualmente disponible para el médico clínico cuando realiza un diagnóstico en un paciente, ha crecido exponencialmente en los últimos años. Al evaluar un paciente a efectos de identificar sus dolencias y prescribir un tratamiento, el medico enfrenta el problema del análisis de los síntomas y signos presentes y la utilización de la información de referencia existente, en un marco de tiempo muy acotado. 
Las Ciencias de la Computación han sido aplicadas, en los últimos 40 años o más, de diferentes formas para lograr extender la racionalidad y ayudar a usar más eficientemente el tiempo disponible para procesar esta información. 

Múltiples técnicas de Inteligencia Artificial han sido utilizadas: análisis de patrones, redes neuronales, sistemas expertos, inferencia y redes bayesianas, etc. Nos hemos concentrado en la evaluación de técnicas inteligentes para la construcción de Sistemas de Apoyo al Diagnóstico Clínico, en particular para enfermedades socialmente sensibles en nuestro país: Meningitis Aguda Supurada y VIH-SIDA para pacientes pediátricos.  

Otras aplicaciones de sistemas inteligentes abordadas han sido: 

• Agentes en optimización de procesos de planificación de producción. 

• Sistemas expertos difusos en control de procesos y seguimiento de parámetros  

• Sistemas MultiAgente en integración de repositorios distribuidos de información genómica  e integración de herramientas bioinformáticas

Datos de contacto: Dr. Ernesto Ocampo Edye (eocampo@ucu.edu.uy

 

Diseño y Análisis de Juegos Asistidos por Computadora

El Diseño y Análisis de Juegos Asistidos por Computadora (DAJAC) tiene como objetivo principal diseñar y construir herramientas informáticas que ayuden a la tarea del diseño de juegos, brindando información de utilidad para la toma de decisiones. Nuestro trabajo actualmente se centra en verificar o refutar que el proceso de playtesting se puede automatizar, de manera total o parcial.

Datos de contacto: Ing. Leonardo Val (lval@ucu.edu.uy

 

Modelamiento predictivo en química computacional y bioinformática

Determinar el valor de diferentes propiedades para una entidad o realizar una clasificación en función de características específicas constituye un importante desafío de la ciencia en la actualidad. Dado que los métodos clásicos involucran el uso de técnicas experimentales para obtener estos valores, existen numerosas razones para desarrollar métodos computacionales para la estimación de los mismos. Las ventajas se concentran fundamentalmente en la reducción de costos de experimentación, ahorro de tiempo, seguridad, disponibilidad de las muestras, etc. 

Para abordar estos problemas, el modelamiento predictivo ha sido una de las estrategias más difundidas; ésta consiste en relacionar cuantitativamente diferentes parámetros de una entidad con un proceso bien definido de la misma. Uno de los campos de aplicación ha sido la química computacional, donde diferentes atributos de una molécula (descriptores) son relacionados con una propiedad de interés. También una actividad biológica puede ser expresada cuantitativamente como la concentración de una sustancia requerida para que suceda una determinada respuesta biológica. De esta manera se busca establecer una relación y predecir el comportamiento para nuevos casos de los cuales no se dispone de información experimental. El modelamiento predictivo es una de las áreas asociadas a la ciencia de datos en donde se busca definir un modelo estadístico a partir de descriptores (o predictores) que definen las características de entidades conocidas para predecir un valor o estado de interés.

Las líneas de investigación se enfocan principalmente en el desarrollo de métodos para la determinación de los descriptores óptimos para un modelo (feature selection), la identificación del dominio de aplicación (applicability domain) y el desarrollo de modelos de predicción mediante la asistencia de técnicas de visual analytics.

Si bien los estudios de aplicación se centran en problemas asociados a la química computacional (específicamente la estimación de parámetros químicos en moléculas simples y macromoléculas tales como polímeros), los desarrollos son válidos para todo tipo de modelos de predicción.

Datos de contacto: Dr. Gustavo Vazquez (Gustavo.vazquez@ucu.edu.uy

Bookmark and Share
Agenda de actividades

Ver agenda