1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ingeniería en Electricidad y Computación
4. Tesis de Computación

Título :	Clasificación de Productos Académicos de la ESPOL según su ODS mediante técnicas de Inteligencia Artificial
Autor :	Freire Cobo, Lenin Eduardo, Director Ponce Valarezo, Isaac Miguel Barco Lascano, Anthony Bryan
Palabras clave :	ODS Clasificación de textos BERT Procesamiento de Lenguaje Natural Aprendizaje supervisado
Fecha de publicación :	2024
Editorial :	ESPOL.FIEC
Citación :	Ponce Valarezo, I. M. y Barco Lascano, A. B. (2024). Clasificación de Productos Académicos de la ESPOL según su ODS mediante técnicas de Inteligencia Artificial. [Proyecto Integrador]. ESPOL.FIEC .
Descripción :	Ante la creciente necesidad de mejorar la clasificación de productos académicos vinculados a los Objetivos de Desarrollo Sostenible (ODS), este proyecto se centra en el desarrollo de una herramienta automatizada que optimiza dicho proceso mediante técnicas avanzadas de Inteligencia Artificial. El objetivo principal es ofrecer una solución que reduzca el margen de error asociado a la clasificación manual y el tiempo, incrementando así la eficiencia y precisión en el análisis de productos de uso académico. Para ello, se utilizó un modelo basado en el Procesamiento de Lenguaje Natural (PLN) y aprendizaje supervisado, implementado a través de la arquitectura BERT multilingüe. Tras entrenar y probar el modelo con productos académicos en español e inglés, se obtuvo una tasa de efectividad del 87% en la correcta clasificación de los productos según los ODS. Este avance no solo reduce la carga de trabajo manual, sino que también impulsa a ESPOL a fortalecer su visibilidad en los rankings universitarios y consolidar su compromiso con la sostenibilidad, mejorando la capacidad de la institución para adaptarse a las exigencias de los ODS hasta el 2030. Palabras claves: ODS, Clasificación de textos, BERT, Procesamiento de Lenguaje Natural, Aprendizaje supervisado.
metadata.dc.description.abstractenglish:	Given the growing need to improve the classification of academic products linked to the Sustainable Development Goals (SDGs), this project focuses on the development of an automated tool that optimizes this process through advanced Artificial Intelligence techniques. The main objective is to offer a solution that reduces the margin of error associated with manual classification and time, thus increasing efficiency and accuracy in the analysis of academic products. For this purpose, a model based on Natural Language Processing (NLP) and supervised learning, implemented through the multilingual BERT architecture, was used. After training and testing the model with academic products in Spanish and English, an 87% effectiveness rate was obtained in the correct classification of the products according to the SDGs. This progress not only reduces the manual workload, but also boosts ESPOL to strengthen its visibility in university rankings and consolidate its commitment to sustainability, improving the institution's capacity to adapt to the demands of the SDGs until 2030. Key words: SDG, Text classification, BERT, Natural Language Processing, Supervised learning
URI :	http://www.dspace.espol.edu.ec/handle/123456789/62329
metadata.dc.identifier.codigoproyectointegrador:	TECH-369
Aparece en las colecciones:	Tesis de Computación

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.