Research Projects
Explore scientific investigations, research initiatives, and technology transfers engineered by our lab.
Especificaciones de calidad utilizando soporte semántico, procesamiento del lenguaje natural y machine learning
El desarrollo de software siempre ha sido una tarea compleja. Esto se debe a que el software es un artefacto muy complejo por naturaleza, dado que debe capturar e implementar todo el conocimiento del dominio que está distribuido entre un gran número de stakeholders. Cualquier simplificación de la realidad ocasionará que el software no cumpla con sus necesidades. Esta complejidad es aún mayor considerando los proyectos globales que son conformados por equipos multiculturales, dado que el conocimiento es más difícil de obtener y el mismo se encuentra de una forma tan variada en donde la consolidación implica un gran desafío. Más aún, en el último tiempo se está realizando una transformación digital que se denomina industria 4.0 la cual necesita de datos, información y conocimiento del dominio, el cual no sólo se captura a partir de las personas, sino que se captura a través de tecnologías como Internet of the Things e Internet of the Robot Things, lo cual agrega un nivel más de complejidad. La herramienta más utilizada para comunicar y describir requerimientos y el conocimiento del dominio es el lenguaje natural, puesto que es lo que dominan los stakeholders. Sin embargo, no es la mejor herramienta porque puede ser ambigua y no precisa. El procesamiento de lenguaje natural y machine learning son de mucha ayuda para analizar texto en lenguaje natural e identificar aspectos que deben ser mejorados. De esta forma, es posible dejar a los expertos que escriban libremente las especificaciones, identificar expresiones que merecen ser mejoradas e incluso sugerir como mejorarlas. Ahora bien, además de los esfuerzos sintácticos, es necesario ocuparse de los aspectos semánticos, es decir, del significado. Una expresión puede ser ambigua por la redacción, pero también puede ser ambigua por el significado de algún término utilizado. Objetivo El objetivo de este proyecto es el de diseñar una técnica que permita tomar especificaciones en lenguaje natural, identificar aspectos que deben ser corregidos para mejorar la legibilidad y expresividad, y sugerir formas de realizarlo. La técnica estará soportada por una herramienta que hará uso de procesamiento de lenguaje natural, machine learning y soporte semántico.
AGROFAIR – Agro-Knowledge Integration: Developing a FAIR data science approach for adding value to the agricultural supply chain
Farms are the engine to support rural employment making a considerable contribution to territorial development. Even though they have always been considered a cornerstone of agricultural activity in the European Union (EU) and in Latin America, this sector most often suffers from very low efficiency and effectiveness, sensitivity to weather, market disruptions and other external factors. Two different problems in knowledge sharing are present in this domain. First of all, the various interoperability regulations between the countries. Although some efforts are done to bypass this problem, like the EU-Mercosur signed in the summer of 2019, the different process semantics implemented in each region are a serious threat to the fulfilment of the process interoperability. Another problem is that in most of the cases, the knowledge transferred from generation to generation is paramount from a cultural point of view, but most of the time, it does not answer to the needs nor the requirements of the agri-food value chain. We aim at creating the core technology for a knowledge hub that integrates and aligns international regulations in agricultural activities, such as FAO's best practices, and possibly the last born EUMercosur regulations with the local restrictions, such as national policies, allowing the small farmers to access, in an easy way, a wider market through the certification of the practices and products. In order to develop this core technology, we propose to deploy various methodologies and tools working on the domains of knowledge formalisation, domain alignment and visualization. The domain formal representation allows for the semantic alignment of rules and restrictions from different institutional regulation bodies. Simultaneously, we will propose a model for incoherence detection letting us to highlight contradictory regulations. Those knowledge atoms and constructs will be represented through some visualization information interfaces according to the users’ needs.
Soporte semántico para mejorar la calidad de los requerimientos
El desarrollo de software es una tarea compleja, y lo es más aún con la globalidad, virtualidad y multiculturalidad de los equipos. Además, el software es un artefacto complejo por naturaleza, puesto que debe capturar e implementar conocimiento del dominio que está distribuido entre los stakeholders. La ingeniería de requerimientos es un área clave. Es una de las primeras etapas en el ciclo de vida y es vital el capturar los requerimientos y el conocimiento necesario, ya que el resto del desarrollo se basa en estos elementos. La herramienta más utilizada para comunicar y describir requerimientos es el lenguaje natural, sin embargo, no es la mejor herramienta porque es ambigua y poco precisa. Las áreas de estudio de la Web Semántica proponen diferentes soportes teóricos y aplicados que permiten encontrar una representación estructurada sobre la cual es posible aplicar diferentes métodos de inferencias y recomendaciones. Estas resultan un excelente complemento a las especificaciones en lenguaje natural y a la vez permiten identificar automáticamente debilidades y oportunidades de mejora. Este proyecto se propone construir una herramienta que permita analizar especificaciones en lenguaje natural y conceptualizar en especificaciones semánticas con el fin de identificar críticas y sugerir mejoras a la especificación de requerimientos.
Plataforma para la visualización de datos con fines educativos en nivel secundario para Ciencias Sociales y Humanidades
El pensamiento computacional puede ser abordado desde diferentes miradas. Por un lado, está la mirada pura de las Ciencias de la Computación y por otro, una mirada que considera además disciplinas y áreas curriculares como las Ciencias Sociales y las Humanidades con el fin de aprender de las mismas a partir de este tipo de pensamiento. La visualización de datos es una forma de pensamiento computacional y poder desarrollarlo enmarcarcado en disciplinas curriculares del nivel secundario, resulta de interés fundamentalmente considerando las nuevas competencias para los puestos laborales en un futuro no muy lejano. Por lo anterior, se propone trabajar en una plataforma educativa, pensada para usuarios finales de nivel secundario que permita ejercitar con aspectos de visualización de datos a partir de dataset en diferentes formatos. Este trabajo propone considerar diversos aspectos de la Ingeniería de software como por ejemplo la Usabilidad. Adicionalmente, para la implementación se considerarán diversas tecnologías y componentes. como por ejemplo, Phyton, Bokeh, Flask , HTML5, PostgreSQL, ApacheSpark y la Api de Twitter.
Metaversos – cómo diseñar para una tecnología que aún no existe
El concepto de metaverso ha emergido en el último tiempo como un potencial de realidad alternativa (inmersiva virtual) donde se puedan realizar las mismas actividades de la vida real, pero en ese mundo virtual paralelo. Sin embargo, todavía no está claro cuando el mismo se podrá concretar tecnológicamente ni si tendrá el éxito que se espera. En base a esto, surge el interrogante de cómo diseñar metaversos cuando todavía no existe la tecnología que permitirá darles vida. En este proyecto se investigarán las bases conceptuales en relación con esta temática, como así también se analizarán los desafíos a nivel de diseño y tecnológicos. De esos desafíos, nos vamos a enfocar en la interacción multisensorial entre el metaverso y el mundo real, especialmente a través del feedback háptico. Vamos a aprender a imaginar y diseñar opciones para un escenario concreto en el metaverso y explorar esas especulaciones mediante la programación y construcción de prototipos interactivos. Usaremos plataformas de construcción de juegos como Unity y herramientas de hardware abierto basadas en Arduino.
Técnicas y herramientas para ingeniería de software web adaptable y ágil basada en modelos con soporte semántico y de crowdsourcing
Las redes han evolucionado para transformarse en algo más que una conexión de dispositivos físicos. Hoy día la web conecta personas y organizaciones, junto con el conocimiento que ellas generan, a través de una infinidad de dispositivos y recursos físicos que ahora pueden ser parte de aplicaciones más ricas e inteligentes en términos de adaptarse a las necesidades y expectativas de sus usuarios. Esta nueva situación requiere de nuevos soportes teóricos, técnicas de desarrollo, métodos y por supuesto la realización de pruebas de concepto para validar las propuestas. Este proyecto se organiza en tres ejes temáticos, que al mismo tiempo actúan como sub-proyectos interrelacionados lo que permite una adecuada especialización: (i) Desarrollos Conducidos por Modelos y Aplicaciones, (ii) Adaptación y Refactoring para la Mejora Incremental de Aplicaciones Web y (iii) Gestión de Requerimientos Ágiles y Aumentación de Aplicaciones Web con foco en usuarios finales.
Desarrollo de una Plataforma para procesar recursos obtenidos desde satélites SAOCOM
Los satélites SAOCOM presenta un gran avance en la soberanía de la información para argentina. Desde su lanzamiento, la Argentina ha sido capaz de censar el territorio Argentino con diferentes herramientas (por ejemplo, imagen y banda L) abriendo un mundo de oportunidades de soluciones para problemas complejos. En este caso se pretende trabajar en la detección de filtraciones de agua en acueductos utilizando Machine Learning para clasificar la información. A partir de un plano de red de agua potable, se identificarán zonas de humedad próximas a dicho tendido y de esta forma identificar potenciales filtraciones.
Diseño participativo de aplicaciones de ciencia ciudadana y gestión del conocimiento
La ciencia ciudadana permite que cualquier miembro de la sociedad participe en el desarrollo de un proyecto científico; el análisis y la interpretación de los resultados se realiza de forma colaborativa con actores que no pertenecen formalmente al proyecto de investigación. Esto implica distintos desafíos a ser abordados por los proyectos de ciencia ciudadana, como por ejemplo; brindar soporte para que las personas puedan participar de una manera fácil asistidos por tecnología, que además la forma de fomentar la participación sea motivadora y atractiva; brindar asistencia a la toma de decisiones como así también facilitar la inteligencia colectiva para diseñar e implementar proyectos de ciencia ciudadana. En base a los desafíos implicados en los proyectos de ciencia ciudadana, se tiene como metas realizar los siguientes aportes: definir un modelo predictivo basado en machine learning para la toma de decisiones; brindar un conjunto de herramientas que convienen crowdsourcing y ciencia ciudadana; brindar herramientas metodológicas y aplicaciones para la concepción, diseño e implementación de estrategias de ludificación en contextos de gestión del conocimiento y ciencia ciudadana; brindar un conjunto de estrategias y herramientas de ingeniería de software que permiten bajar la barrera tecnológica en proyectos de ciencia ciudadana y gestión de conocimiento. Además, en el contexto de ciencia ciudadana, ludificación y gestión del conocimiento se va a aportar una guía de soporte a la construcción de artefactos tempranos (maquetas, prototipos) de co-diseño que defina cómo la usabilidad puede ser abordada en esta etapa. Los resultados de este proyecto aportarán mayor eficiencia en la producción de conocimiento tanto científico como empírico aportado por los ciudadanos. La metodología propuesta logrará aprovecharla inteligencia colectiva, democratizando el conocimiento al liberar su acceso y al convocar a todos a participar en su producción.
RUC-APS: Enhancing and implementing Knowledge based ICT solutions within high Risk and Uncertain Conditions for Agriculture Production Systems
Increasingly challenging global and environmental requirements have resulted in agricultural systems coming under increasing pressure to enhance their resilience capabilities in order to respond to the abrupt changes in resource quality, quantity and availability, especially during unexpected environmental circumstances, such as uncertain weather, pests and diseases, volatile market conditions and commodity prices. Therefore, integrated solutions are necessary to support the whole food agricultural life-cycle value chain. Solutions necessarily must consider the products’ cycle, as well as each of the value chain stages. Thus, managing risks and the uncertain availability of information will lead farmers to take advantage of these managerial, technical and social based-solutions. This implies the need for innovative technology-based knowledge management system to capture the agricultural information, at a variety of regional locations, in terms of collecting, storing, processing, and disseminating information about uncertain environmental conditions that affect agricultural decision-making production systems. Hence, from the genetic design of the seed, till their planting and harvest processes, RUCAPS provides knowledge of the full agricultural life-cycle based-decision making process to realise the key impacts of every stage of the agriculture-related processes. Therefore, RUCAPS implies the development of a high impact research project in order to integrate real-life based agriculture requirements, alternative land management scenarios, unexpected weather and environmental conditions as well as supporting innovation in the development of agriculture production systems, operations, logistics and supply chain management and the impact of these systems and processes over the end-users and customers. This is to be conceived through the integration of standard and customised solutions for facilitating the collaborative engagement within the agriculture value chain.