https://hdl.handle.net/20.500.12799/8678 Mon, 13 Apr 2026 12:29:58 GMT 2026-04-13T12:29:58Z https://hdl.handle.net/20.500.12799/9809 Avise : Alertas para la Vigilancia del Sistema Educativo. Machine Learning y Minería de Grafos para el monitoreo costo-efectivo de redes sociales Perú. Ministerio de Educación. Oficina de Seguimiento y Evaluación Estratégica; Candela Rojas, Erik Carl; Aquino Baldeon, Severo Alfredo La OSEE desarrolló la innovación «Alertas para la vigilancia del sistema educativo» (Avise). Esta innovación hace uso de técnicas de Machine Learning y Minería de Grafos para analizar la información generada en las redes sociales con el objetivo de brindar información oportuna a las autoridades educativas para que puedan responder, de forma más efectiva, las problemáticas y necesidades de la ciudadanía. La información oportuna que brinda Avise facilita la identificación de los temas más significativos dentro del ámbito educativo, los cuales están siendo debatidos en las redes sociales. Además, permite la identificación de usuarios que desempeñan un papel clave en la promoción e influencia sobre otros usuarios en temas relacionados con la educación en el Perú. En última instancia, Avise posibilita la evaluación del sentimiento expresado en los comentarios compartidos por los usuarios que expresan sus opiniones sobre temas educativos. El presente documento busca proporcionar una breve descripción de las técnicas analíticas que fueron empleadas en la creación de Avise, así como el proceso de descubrimiento de información valiosa y la generación de recomendaciones a partir de un caso de uso práctico. Fri, 01 Dec 2023 00:00:00 GMT https://hdl.handle.net/20.500.12799/9809 2023-12-01T00:00:00Z https://hdl.handle.net/20.500.12799/8677 Machine Learning para la categorización de respuestas de preguntas abiertas Perú. Ministerio de Educación. Secretaría de Planificación Estratégica. Oficina de Seguimiento y Evaluación Estratégica; Candela Rojas, Erik Carl; Cañari Huerta, Elsa Gabriela La presente propuesta de innovación metodológica consiste en categorizar automáticamente las “respuestas de preguntas abiertas” provenientes de los instrumentos de recojo de información con el fin de reducir los costos que requiere una categorización manual. Las preguntas abiertas son utilizadas en los instrumentos de recojo de información que elabora las unidades de la Oficina de Seguimiento y Evaluación estratégica (OSEE) de la Secretaria de Planificación Estrategia (SPE) del Ministerio de Educación. Este tipo de preguntas son empleadas en los instrumentos cuando se busca explorar ciertos temas de interés a mayor profundidad, y no se usan categorías preestablecidas de respuestas. Las respuestas a estas preguntas corresponden a textos (datos no estructurados) que requieren de un tratamiento previo para transformarlas en datos estructurados, facilitando así su análisis. Actualmente, un tratamiento que viene realizando la OSEE es agrupar o categorizar las respuestas con contenido similar de forma manual. Sin embargo, este proceso suele ser muy costoso en términos de tiempo y dinero, especialmente cuando existen miles de respuestas que requieren categorización. Por tal motivo, se buscó alternativas para poder reducir el costo de categorizar las respuestas de preguntas abiertas provenientes de instrumentos de recojo de información. Específicamente, se busca categorizar las respuestas abiertas automáticamente, de forma total o parcial. En ese sentido, el equipo de la OSEE diseñó la innovación “Machine Learning para la categorización de respuesta de preguntas abiertas”. La innovación empleó técnicas analíticas de Machine Learning para poder procesar y categorizar todas las respuestas provenientes de una pregunta abierta, reduciendo así el costo que implica categorizarlas de forma manual. Thu, 01 Dec 2022 00:00:00 GMT https://hdl.handle.net/20.500.12799/8677 2022-12-01T00:00:00Z