Metodología para el reconocimiento automático de patrones del pensamiento computacional en estudiantes de la educación general básica para mejorar los procesos de gestión

El desarrollo del Pensamiento Computacional es indispensable para mejorar las condiciones sociales y de empleabilidad de las personas. Este tipo de pensamiento incentiva el uso de la abstracción, planificación, la descomposición de los problemas en las partes que los constituyen, el aprendizaje de habilidades para la especificación, análisis y la solución de problemas. Además de contribuir con la formación del pensamiento crítico, la creatividad y la cooperación entre los alumnos. Sin embargo, en la actualidad no se cuentan con metodologías robustas y escalables que permitan estudiar las enormes bases de código fuente existentes, producto de ejercicios, exámenes y tareas para reconocer los patrones de aprendizaje predominantes y determinar el cumplimiento de objetivos, competencias y metas planteadas.

Como consecuencia, se requiere efectuar el análisis exhaustivo de habilidades, conocimientos, resultados y niveles de aprendizaje de alumnos para identificar los puntos de mejora de los objetivos de aprendizaje, planes de estudio, ejercicios y el desarrollo de las habilidades de los estudiantes.  Como consecuencia, esta investigación tiene por fin definir una metodología de análisis avanzado del código fuente generado por los estudiantes con el fin de correlacionar los objetivos de aprendizaje con las habilidades de Pensamiento Computacional desarrolladas los alumnos de forma automática.

Periodo del proyecto: del 1 de enero de 2020 al 31 de diciembre de 2022.

Se plantea descubrir los rasgos más determinantes usados por algoritmos de deep learning con redes neuronales convolucionales (CNN) en la identificación de taxones (especies, géneros y familias) usando como referencia algunas especies de plantas de Costa Rica.

La investigación se apoyará en los resultados de trabajo previo que hemos desarrollado investigadores del grupo PARMA, particularmente en el proyecto “Identificación de Especies de Plantas de Costa Rica Utilizando Visión por Computadora” en el cual se realizó la construcción de dos bases de datos: una con imágenes de hojas de 255 especies de plantas de Costa Rica (HOJASCR) y otra de pliegos de herbario de esas 255 especies de plantas de Costa Rica (PLIEGOSCR). Además, se cuenta con una CNN que exitosamente identifica especies, géneros y familias a partir de las dos bases de datos construidas. Con este proyecto, es la primera vez que se hace un estudio que considere tanto hojas como pliegos de herbario. Hasta ahora, no se ha estudiado el tema con respecto a grupos taxonómicos superiores, como los géneros y las familias, pero esto es muy importante desde un punto de vista práctico: las bases de datos de imágenes disponibles en el mundo son muy dispares con respecto a número de imágenes a nivel de especie pero un poco más uniformemente distribuidas a nivel de taxones superiores.

Los beneficiarios directos serán los taxónomos botánicos, es decir, los científicos que constantemente hacen identificaciones mediante claves de identificación y que podrán contar con una CNN que no solamente sea efectiva sino que tienen un componente explicativo. En segunda instancia, se benefician los procesos de curación de datos en herbarios y, por lo tanto, el flujo de trabajo científico que lleva a la identificación eficiente de especies.

Esto es fundamental para realizar inventarios rápidos y confiables de la biodiversidad, que actualmentne tienen propensión a errores, son lentos y carecen de suficientes taxónomos para hacerlo. También se cuenta con el libre uso de su equipo de alto rendimiento (múltiples GPU) que posee el Centro Nacional de Computación Avanzada del CENAT.

Identificación automática de especies forestales maderables de Costa Rica amenazadas, mediante técnicas de visión artificial

Esta investigación generó siete artículos que ya fueron publicados en revistas o congresos con comité editorial y dos más que están en preparación (ver apéndices y resúmenes en Sección 8.1). Por esta razón presentamos este informe técnico de manera resumida enfatizando los resultados de precisión alcanzada en los experimentos para desarrollar la aplicación móvil denominada Cocobolo e indicamos las publicaciones en las que se puede encontrar el detalle sobre aspectos tales como naturaleza del problema, justificación, marco teórico, estado del arte, y otros experimentos, entre otros. 

eBridge es un grupo de investigación multidisciplinario, que tiene por objetivo la predicción de fallas en puentes a través del monitoreo de variables en estas estructuras. Es parte del programa de investigación eScience.

El grupo inició en el año 2011 y ha desarrollado varios proyectos de investigación dentro del Centro de Investigaciones en Vivienda y Construcción y el Programa de Evaluación de Estructuras de Puentes de la Escuela de Ingeniería en Construcción.

Actualmente se trabaja en el proyecto de investigación: "Metodología no destructiva para evaluación de patologías asociadas al concreto, tomando como referencia el valor de BHI en estructuras de puentes".

Se han realizado los siguientes proyectos de investigación y extensión:

• Propuesta de un índice de salud para puentes (BHI) para Costa Rica. (2020-2021)
• Priorización de intervenciones de puentes utilizando indicadores de desempeño: Plan piloto Municipalidad de El Guarco. (2018 -2019)
• eBridge 3.0: Sistemas para el monitoreo de estructuras de puentes (2016 -2017)
• eBridge 2.0: Sistema de información integrado para determinación del desempeño de estructuras de puentes (2012 -2015)
• eBridge 1.0: Predicción remota de fallas en puentes (2011 -2012)