El present treball analitza l'aplicabilitat de diferents tècniques, originalment ideades per al tractament de xàfecs que fan ús d'imatges IR de satèl·lit per estimar la precipitació amb una finalitat climatològica en la nostra regió.S'han estudiat les tècniques d'Arkin, NAW i "Autoestimator" al llarg del període entre juliol de 1994 i juny de 1995, amb una temporalització mensual, estacional i anyal. L'àmbit geogràfic ha estat l'estat espanyol exceptuant les illes Canàries i s'ha treballat com un conjunt o dividit en tres zones, nord i nord-oest, litoral mediterrani i centre i sud de la península. En cada cas s'han aplicat les tècniques originals a les imatges METEOSAT corresponents (24 o 48 diàries, depenent de la tècnica), i s'han estudiat i aplicat aquelles modificacions que proporcionaven millors resultats en la regió analitzada.Les principals conclusions a que s'ha arribat són les següents:· La utilització de tècniques de determinació de precipitació a partir d'imatges IR de satèl·lit presenta avantatges (extensió territorial i temporal) front tècniques basades en observacions en terra. El fet que la determinació de la precipitació en una imatge IR es faci de manera indirecta, obliga a calibrar aquestes tècniques per a cada zona geogràfica.Tècnica d'Arkin:· De les tècniques analitzades la d'Arkin és la més simple i ràpida d'aplicar. Els valors originals de temperatura llindar i intensitat de precipitació no s'adapten a la nostra zona geogràfica. Una temperatura llindar més elevada (255 o 260 K) amb una intensitat de precipitació menor ( 0.5 o 0.4 mm/h) s'adequa més.· En general la tècnica proporciona pobres correlacions per als mesos d'hivern, sent més altes en els mesos de tardor i estiu.Tècnica NAW:· La tècnica NAW original millora lleugerament la correlació respecte la tècnica d'Arkin, però sobreestima fortament la precipitació. Assignacions de precipitació menors que les originals són necessàries per eliminar les sobreestimacions del mètode.· L'aplicació de discriminants per increment de temperatura no millora les correlacions excepte en el litoral mediterrani.· Els mesos de tardor i estiu presenten les millors correlacions, i els d'hivern les pitjors.Tècnica "Autoestimator":· La tècnica "Autoestimator" no millora, en general els resultats de les tècniques d'Arkin i NAW. L'equació original sobreestima la precipitació en gairebé tots els mesos. Les modificacions introduïdes en l'equació original milloren les correlacions disminuint les sobreestimacions del mètode. Cal una calibració de la tècnica per a cada zona concreta i per a cada estació particular si es vol que la tècnica presenti estimacions fiables de la precipitació.Comparació de les tres tècniques:· Les tres tècniques tenen moltes dificultats en separar els núvols que aporten precipitació d'aquells que no en porten. Aquest fet pot explicar les baixes correlacions en mesos amb poca precipitació però en què les imatges mostren la presència abundant de núvols.· En el conjunt de l'any la tècnica NAW té la correlació més alta seguida de molt a prop per la d'Arkin. NAW és la que sobreestima més i Arkin la que menys. Per mesos Arkin sembla seguir millor les variacions, estimant correctament la precipitació en els mesos de tardor. La tècnica "Autoestimator" sembla reflectir millor la precipitació per episodis concrets.· Les estimacions de totes les tècniques millorarien si es tingués en compte la quantitat de vapor d'aigua present en l'atmosfera. / The aim of this work is to analyse the ability of different techniques, based on infrared satellite images and used in the study of heavy rainfall, to estimate the rainfall in our area for climatic purposes. The Arkin, NAW and Autoestimator techniques are applied during the period July 1994-June 1995, using different temporal steps (month, seasonal and annual). The studies have been applied to Spain, excluding Canary Islands. This area was divided in three sub-areas: north and north-west, Mediterranean coast, and centre and south of the peninsula. The three areas were processed together or individually. The original techniques were applied to the METEOSAT images (24 or 48 per day). We studied different improvements of the techniques and applied systematically the best for our climatic area. The main conclusions achieved are:· The use of techniques to determine the rainfall using IR satellite images is the more suitable than techniques based on land observations. These methods must be calibrated for every geographic area because the rainfall determination using the IR images is an indirect method.Arkin technique:· The Arkin the simplest and easiest technique to be applied. The original values of threshold temperature and rainrate are not suitable to the geographic area studied. A higher threshold temperature (255 o 260 K) joined to a smaller rainrate (0.5-0.4 mm/h) fit better results.· Generally, the technique gives poor correlation for the winter months, and higher correlation for the autumn and summer months.NAW technique:· The original NAW technique gives a little better correlation than the Arkin technique, but NAW shows some important rainfall overestimates. To remove the overestimates of the method lower rainrates than the original ones must be set.· Empirical discriminations based on temperature difference into a cloud don't improve the correlation except for the Mediterranean area.· Autumn and summer months show the best correlations, and the winter ones the worst.Autoestimator technique:· In general, the Autoestimator technique doesn't improve the Arkin and NAW results. The original equation overestimates almost months. The modifications included give better correlations, decreasing the overestimates of the method.· For every single area and station the techniques must be calibrated if reliable rainfall estimates are desirable.Comparison of the techniques:· All techniques used have a lot of difficulties to discriminate the clouds that give or don't give rainfall. This could be the reason for the low correlations for months with low rainfall but IR images that shows a lot of clouds.· For the whole year NAW technique has the best correlation, similar to Arkin method. NAW gives the most overestimates and Arkin shows the lowest overestimates. Arkin defines better the variations by months, fitting the rainfall properly for the autumn months. The Autoestimator technique shows better results for particular episode. · The estimates for all methods will improve if the water vapour present in the atmosphere is taken into account.

Aquesta tesi tracta sobre el problema de la navegació per a vehicles submarins autònoms que operen en entorns artificials estructurats com ara ports, canals, plataformes marines i altres escenaris similars. A partir d'una estimació precisa de la posició en aquests entorns, les capacitats dels vehicles submarins s'incrementen notablement i s'obre una porta al seu funcionament autònom. El manteniment, inspecció i vigilància d'instal lacions marines són alguns exemples de possibles aplicacions. Les principals contribucions d'aquesta tesi consisteixen per una banda en el desenvolupament de diferents sistemes de localització per a aquelles situacions on es disposa d'un mapa previ de l'entorn i per l'altra en el desenvolupament d'una nova solució al problema de la Localització i Construcció Simultània de Mapes (SLAM en les seves sigles en anglès), la finalitat del qual és fer que un vehicle autònom creï un mapa de l'entorn desconegut que el rodeja i, al mateix temps, utilitzi aquest mapa per a determinar la seva pròpia posició. S'ha escollit un sonar d'imatges d'escaneig mecànic com a sensor principal per a aquest treball tant pel seu relatiu baix cost com per la seva capacitat per produir una representació detallada de l'entorn. Per altra banda, les particularitats de la seva operació i, especialment, la baixa freqúència a la que es produeixen les mesures, constitueixen els principals inconvenients que s'han hagut d'abordar en les estratègies de localització proposades. Les solucions adoptades per aquests problemes constitueixen una altra contribució d'aquesta tesi. El desenvolupament de vehicles autònoms i el seu ús com a plataformes experimentals és un altre aspecte important d'aquest treball. Experiments portats a terme tant en el laboratori com en escenaris reals d'aplicació han proporcionat les dades necessàries per a provar i avaluar els diferents sistemes de localització proposats. / This thesis is concerned with the navigation problem for autonomous underwater vehicles operating in artificial structured environments like harbours, marinas, marine platforms and other similar scenarios. Obtaining an accurate position in such scenarios would notably increase the capabilities of underwater vehicles and open the door to real autonomous operation. Maintenance, inspection and surveillance of marine installations are only a few examples of possible applications. The principal contributions of this thesis consist of the development of different localization systems for those situations in which an a priori map of the environment is available but, in particular, in the development of a novel solution to the Simultaneous Localization and Mapping (SLAM) problem. This solution pursues the objective of providing an autonomous vehicle with the ability to build a map within an unknown environment while, at the same time, using this same map to keep track of its current position. A mechanical scanning imaging sonar has been chosen as the principal sensor for this work because of its relative low cost and its capacity to produce a rich representation of the environment. On the other hand, the particularities of its operation and, especially, its low scanning rate, have presented many challenges during the development of this proposed localization strategies. The solutions adopted to address these problems constitute another contribution in this thesis. The development of underwater vehicles and their use as experimental platforms is another important aspect of the research work presented here. Experiments carried out in both laboratory and real application environments have provided the different datasets necessary for the testing and evaluation of the different localization approaches.

Thus far, a plethora of analysis on genome-wide gene expression microarray experiments on the cell cycle have been reported. Time series data from these experiments include gene expression profiles that might be periodically expressed. However, the numbers and actual genes that are periodically expressed have not been reported with consistency, analysis on similar experiments reports disparate numbers of genes that are periodically expressed with scant overlap. This work ultimately compares the performance of five spectral estimation schemes in their ability to recover periodically expressed genes profiles. Lomb-Scargle (LS), Capon, Missing-Data Amplitude and Phase Estimation (MAPES), Real Value Iterative Adaptive Approach (RIAA) and Lomb-Scargle Periodogram Regression (LSPR) are rigorously studied and pitted against each other in various simulated testing conditions. Results obtained using synthetic and microarray data reveals that RIAA is an efficient and robust method for the detection of periodically expressed genes in short time series data that might be characterized with noisy and irregularly sampled data points.

No description available.

Aquesta tesi tracta del disseny, implementació i discussió d'algoritmes per resoldre problemes de visibilitat i bona-visibilitat utilitzant el hardware gràfic de l'ordinador. Concretament, s'obté una discretització dels mapes de multi-visibilitat i bona-visibilitat a partir d'un conjunt d'objectes de visió i un conjunt d'obstacles. Aquests algoritmes són útils tant per fer càlculs en dues dimensions com en tres dimensions. Fins i tot ens permeten calcular-los sobre terrenys. / In this thesis we design, implement and discuss algorithms that run in the graphics hardware for solving visibility and good-visibility problems. In particular, we compute a discretization of the multi-visibility and good-visibility maps from a set of view objects (points or segments) and a set of obstacles. This computation is carried out for two-dimensional and three-dimensional spaces and even over terrains, which in computational geometry are defined as a 2.5D space.

El modelat d'escenes és clau en un gran ventall d'aplicacions que van des de la generació mapes fins a la realitat augmentada. Aquesta tesis presenta una solució completa per a la creació de models 3D amb textura. En primer lloc es presenta un mètode de Structure from Motion seqüencial, a on el model 3D de l'entorn s'actualitza a mesura que s'adquireix nova informació visual. La proposta és més precisa i robusta que l'estat de l'art. També s'ha desenvolupat un mètode online, basat en visual bag-of-words, per a la detecció eficient de llaços. Essent una tècnica completament seqüencial i automàtica, permet la reducció de deriva, millorant la navegació i construcció de mapes. Per tal de construir mapes en àrees extenses, es proposa un algorisme de simplificació de models 3D, orientat a aplicacions online. L'eficiència de les propostes s'ha comparat amb altres mètodes utilitzant diversos conjunts de dades submarines i terrestres. / Scene modeling has a key role in applications ranging from visual mapping to augmented reality. This thesis presents an end-to-end solution for creating accurate, automatic 3D textured models, with contributions at different levels. First, we discuss a method developed within the framework of sequential Structure from Motion, where a 3D model of the environment is maintained and updated as visual information becomes available. The technique is more accurate and robust than state-of-the-art 3D modeling approaches. We also develop an online effcient loop-closure detection algorithm, allowing the reduction of drift and uncertainties for mapping and navigation. Inspired from visual bag-of-words, the technique is entirely sequential and automatic. Lastly, motivated by the need to map large areas, we propose a 3D model simplification oriented towards online applications. We discuss the efficiency of the proposals and compare them with state-of-the-art approaches, using a series of challenging datasets both in underwater and outdoor scenarios.

El Raonament Basat en Casos (CBR) és un paradigma d'aprenentatge basat en establir analogies amb problemes prèviament resolts per resoldre'n de nous. Per tant, l'organització, l'accés i la utilització del coneixement previ són aspectes claus per tenir èxit en aquest procés. No obstant, la majoria dels problemes reals presenten grans volums de dades complexes, incertes i amb coneixement aproximat i, conseqüentment, el rendiment del CBR pot veure's minvat degut a la complexitat de gestionar aquest tipus de coneixement. Això ha fet que en els últims anys hagi sorgit una nova línia de recerca anomenada Soft-Computing and Intelligent Information Retrieval enfocada en mitigar aquests efectes. D'aquí neix el context d'aquesta tesi.Dins de l'ampli ventall de tècniques Soft-Computing per tractar coneixement complex, els Mapes Autoorganitzatius (SOM) destaquen sobre la resta per la seva capacitat en agrupar les dades en patrons, els quals permeten detectar relacions ocultes entre les dades. Aquesta capacitat ha estat explotada en treballs previs d'altres investigadors, on s'ha organitzat la memòria de casos del CBR amb SOM per tal de millorar la recuperació dels casos.La finalitat de la present tesi és donar un pas més enllà en la simple combinació del CBR i de SOM, de tal manera que aquí s'introdueixen les capacitats de Soft-Computing i de Knowledge Discovery de SOM en totes les fases del CBR per nodrir-les del nou coneixement descobert. A més a més, les mètriques de complexitat apareixen en aquest context com un instrument precís per modelar el funcionament de SOM segons la tipologia de les dades. L'assoliment d'aquesta integració es pot dividir principalment en quatre fites: (1) la definició d'una metodologia per determinar la millor manera de recuperar els casos tenint en compte la complexitat de les dades i els requeriments de l'usuari; (2) la millora de la fiabilitat de la proposta de solucions gràcies a les relacions entre els clústers i els casos; (3) la potenciació de les capacitats explicatives mitjançant la generació d'explicacions simbòliques; (4) el manteniment incremental i semi-supervisat de la memòria de casos organitzada per SOM.Tots aquests punts s'integren sota la plataforma SOMCBR, la qual és extensament avaluada sobre datasets provinents de l'UCI Repository i de dominis mèdics i telemàtics.Addicionalment, la tesi aborda de manera secundària dues línies de recerca fruït dels requeriments dels projectes on ha estat ubicada. D'una banda, s'aborda la definició de funcions de similitud específiques per definir com comparar un cas resolt amb un de nou mitjançant una variant de la Computació Evolutiva anomenada Evolució de Gramàtiques (GE). D'altra banda, s'estudia com definir esquemes de cooperació entre sistemes heterogenis per millorar la fiabilitat de la seva resposta conjunta mitjançant GE. Ambdues línies són integrades en dues plataformes, BRAIN i MGE respectivament, i són també avaluades amb els datasets anteriors. / El Razonamiento Basado en Casos (CBR) es un paradigma de aprendizaje basado en establecer analogías con problemas previamente resueltos para resolver otros nuevos. Por tanto, la organización, el acceso y la utilización del conocimiento previo son aspectos clave para tener éxito. No obstante, la mayoría de los problemas presentan grandes volúmenes de datos complejos, inciertos y con conocimiento aproximado y, por tanto, el rendimiento del CBR puede verse afectado debido a la complejidad de gestionarlos. Esto ha hecho que en los últimos años haya surgido una nueva línea de investigación llamada Soft-Computing and Intelligent Information Retrieval focalizada en mitigar estos efectos. Es aquí donde nace el contexto de esta tesis.Dentro del amplio abanico de técnicas Soft-Computing para tratar conocimiento complejo, los Mapas Autoorganizativos (SOM) destacan por encima del resto por su capacidad de agrupar los datos en patrones, los cuales permiten detectar relaciones ocultas entre los datos. Esta capacidad ha sido aprovechada en trabajos previos de otros investigadores, donde se ha organizado la memoria de casos del CBR con SOM para mejorar la recuperación de los casos.La finalidad de la presente tesis es dar un paso más en la simple combinación del CBR y de SOM, de tal manera que aquí se introducen las capacidades de Soft-Computing y de Knowledge Discovery de SOM en todas las fases del CBR para alimentarlas del conocimiento nuevo descubierto. Además, las métricas de complejidad aparecen en este contexto como un instrumento preciso para modelar el funcionamiento de SOM en función de la tipología de los datos. La consecución de esta integración se puede dividir principalmente en cuatro hitos: (1) la definición de una metodología para determinar la mejor manera de recuperar los casos teniendo en cuenta la complejidad de los datos y los requerimientos del usuario; (2) la mejora de la fiabilidad en la propuesta de soluciones gracias a las relaciones entre los clusters y los casos; (3) la potenciación de las capacidades explicativas mediante la generación de explicaciones simbólicas; (4) el mantenimiento incremental y semi-supervisado de la memoria de casos organizada por SOM. Todos estos puntos se integran en la plataforma SOMCBR, la cual es ampliamente evaluada sobre datasets procedentes del UCI Repository y de dominios médicos y telemáticos.Adicionalmente, la tesis aborda secundariamente dos líneas de investigación fruto de los requeri-mientos de los proyectos donde ha estado ubicada la tesis. Por un lado, se aborda la definición de funciones de similitud específicas para definir como comparar un caso resuelto con otro nuevo mediante una variante de la Computación Evolutiva denominada Evolución de Gramáticas (GE). Por otro lado, se estudia como definir esquemas de cooperación entre sistemas heterogéneos para mejorar la fiabilidad de su respuesta conjunta mediante GE. Ambas líneas son integradas en dos plataformas, BRAIN y MGE, las cuales también son evaluadas sobre los datasets anteriores. / Case-Based Reasoning (CBR) is an approach of machine learning based on solving new problems by identifying analogies with other previous solved problems. Thus, organization, access and management of this knowledge are crucial issues for achieving successful results. Nevertheless, the major part of real problems presents a huge amount of complex data, which also presents uncertain and partial knowledge. Therefore, CBR performance is influenced by the complex management of this knowledge. For this reason, a new research topic has appeared in the last years for tackling this problem: Soft-Computing and Intelligent Information Retrieval. This is the point where this thesis was born.Inside the wide variety of Soft-Computing techniques for managing complex data, the Self-Organizing Maps (SOM) highlight from the rest due to their capability for grouping data according to certain patterns using the relations hidden in data. This capability has been used in a wide range of works, where the CBR case memory has been organized with SOM for improving the case retrieval.The goal of this thesis is to take a step up in the simple combination of CBR and SOM. This thesis presents how to introduce the Soft-Computing and Knowledge Discovery capabilities of SOM inside all the steps of CBR to promote them with the discovered knowledge. Furthermore, complexity measures appear in this context as a mechanism to model the performance of SOM according to data topology. The achievement of this goal can be split in the next four points: (1) the definition of a methodology for setting up the best way of retrieving cases taking into account the data complexity and user requirements; (2) the improvement of the classification reliability through the relations between cases and clusters; (3) the promotion of the explaining capabilities by means of the generation of symbolic explanations; (4) the incremental and semi-supervised case-based maintenance. All these points are integrated in the SOMCBR framework, which has been widely tested in datasets from UCI Repository and from medical and telematic domains. Additionally, this thesis secondly tackles two additional research lines due to the requirements of a project in which it has been developed. First, the definition of similarity functions ad hoc a domain is analyzed using a variant of the Evolutionary Computation called Grammar Evolution (GE). Second, the definition of cooperation schemes between heterogeneous systems is also analyzed for improving the reliability from the point of view of GE. Both lines are developed in two frameworks, BRAIN and MGE respectively, which are also evaluated over the last explained datasets.

L'avaluació del coneixement dels alumnes universitaris en condicions de massificació té dos requisits: mesurar realment el que l'alumne sap, i fer-ho amb una eina que permeti una correcció ràpida. Els instruments que són capaços de recollir l'aprenentatge significatiu (entrevista personal, examen oral, carpetes de treballs,.) requereixen molta dedicació. Els que tenen una correcció ràpida utilitzant medis informàtics (proves objectives), no mesuren exactament el que l'alumne ha après de forma significativa. En aquest entorn, els mapes conceptuals, en ser una representació de l'estructura cognitiva de l'alumne, han demostrat la seva validesa i fiabilitat per a mesurar el que l'alumne sap. Tot i així, la seva aplicació en l'entorn universitari massificat no assoleix els dos requisits esmentats, amb la dificultat afegida de la necessitat de que l'alumne conegui la metodologia de creació de mapes. Aquest treball proposa una metodologia de creació de mapes, adaptada a profans, que permeti la creació d'un mapa lliure independentment del coneixement de la tècnica que tingui l'alumne. Aquests mapes es valoren de forma Holística (considerant la informació presentada sense parar atenció als detalls). Amb 16 alumnes de Biomecànica de segon curs de Fisioteràpia, es realitzen tres intervencions separades por 21 i 135 dies, en les que es pregunta sobre dos temes de coneixements específics de la assignatura i dos de coneixements generales (on es considera resident aquest coneixement). La persistència de las notes Holístiques entre las intervencions indica la validesa i fiabilitat de la metodologia i la seva puntuació. Alternativament, a partir de les dades de la Nota Holística, es calcula una Nota Pronosticada com una combinació lineal de dos paràmetres del mapa (enllaços vàlids i valoració de la jerarquia). D'aquesta expressió s'infereix per lògica una fórmula simplificada similar: la Nota Simplificada, que s'independitza de les dades de l'estudi i li confereix objectivitat. Ambdues notes (Pronosticada i Simplificada) presenten una persistència entre intervencions que dóna validesa i fiabilitat a les mateixes per a mesurar l'aprenentatge significatiu. L'elevada concordança, en condicions altament restrictives, i la correlació altament significativa d'aquestes notes amb la Holística permet la seva substitució. Resulta un instrument d'avaluació del aprenentatge significatiu de l'alumne, independentment del seu nivell de coneixement del mapes, que permet una valoració ràpida i objectiva aplicable a un entorn massificat. / La evaluación del conocimiento de los alumnos universitarios en condiciones de masificación tiene dos requisitos: medir realmente lo que el alumno sabe, y hacerlo con una herramienta que permita una corrección rápida. Los instrumentos que son capaces de recoger el aprendizaje significativo (entrevista personal, examen oral, carpetas de trabajos,.) requieren mucha dedicación. Los que tienen una corrección rápida utilizando medios informáticos (pruebas objetivas), no miden exactamente lo que el alumno ha aprendido de forma significativa. En este entorno, los mapas conceptuales, al ser una representación de la estructura cognitiva del alumno, han demostrado su validez y fiabilidad para medir lo que el alumno sabe. No obstante, su aplicación en el entorno universitario masificado no cumple los dos requisitos mencionados, con la dificultad añadida de la necesidad de que el alumno conozca la metodología de creación de mapas. Este trabajo propone una metodología de creación de mapas, adaptada a profanos, que permite la creación de un mapa libre independientemente del conocimiento de la técnica que tenga el alumno. Estos mapas se valoran de forma Holística (valorando la información presentada sin atender a los detalles). Con 16 alumnos de Biomecánica de segundo curso de Fisioterapia, se realizan tres intervenciones separadas por 21 y 135 días, en las que se pregunta sobre dos temas de conocimientos específicos de la asignatura y dos de conocimientos generales (cuyo conocimiento se considera residente). La persistencia de las notas Holísticas entre las intervenciones indica la validez y fiabilidad de la metodología y su puntuación. Alternativamente, a partir de los datos de la Nota Holística, se computa una Nota Pronosticada como una combinación lineal de dos parámetros del mapa (enlaces válidos y valoración de la jerarquía). De esta expresión se infiere por lógica una fórmula simplificada similar: la Nota Simplificada que se independiza de los datos del estudio y le confiere objetividad. Tanto la Nota Pronosticada como la Simplificada presentan una persistencia entre intervenciones que da validez y fiabilidad a las mismas para medir el aprendizaje significativo. La alta concordancia, en condiciones altamente restrictivas, y la correlación altamente significativa de estas notas con la Holística permite su sustitución. Resulta un instrumento de evaluación del aprendizaje significativo del alumno, independiente de su nivel de conocimiento de los mapas, que permite una valoración rápida y objetiva aplicable a un entorno masificado. / The assessment of the knowledge of university students in overcrowding conditions has two requirements: really evaluate what students know, and do so with a tool that allows fast correction. The instruments that are able of assess meaningful learning (personal interview, oral examination, job folders, ...) require a lot of dedication. Those with a computer based rapid correction (multiple choice tests), do not evaluate exactly what the student has learned in a meaningful way. In this environment, concept maps, to be a representation of the student's cognitive structure, have demonstrated its validity and reliability to assess what students know. However, its application in the crowded university environment does not meet the above two requirements, with the added difficulty of the need for the student to know the methodology involved in creating maps. This paper proposes a methodology for creating maps, aimed at those without prior knowledge, which allows the creation of a free map regardless of the knowledge of the technique that the student has. These maps are valued by Holistic marks (evaluating the whole information presented without regard to details). Sixteen students in Biomechanics in the second year of Physiotherapy attended this study. Three academic proceedings, at intervals of 21 and then 135 days, asked volunteers about two topics of special knowledge of the subject and two of general knowledge (the former considered as resident). The persistence of Holistic marks between interventions indicates the validity and reliability of the methodology and its punctuation. Alternatively, from the data of the Holistic Mark, a predicted one is computed as a linear combination of two parameters of the map (valid links and assessment of the hierarchy). From this expression, a simplified formula is inferred by logical process. This Simplified Mark becomes independent of survey data and gives it objectivity. Both the Predicted and the Simplified Marks show persistence between proceedings that give validity and reliability to the assessment of meaningful learning. The high agreement, in highly restrictive conditions, and the highly significant correlation of these marks with Holistic ones allows its replacement. It becomes a tool to assess meaningful learning of students, regardless of their level of knowledge of concept maps, which allows a speedy and objective assessment applicable to a crowded environment.

Es desenvolupa una metodologia que combina algoritmes exploratoris i iteratius que pren com a base el concepte de concordança del coeficient de correlació W de Kendall. A partir de conjunts complexos d'ítems i les seves puntuacions (activitats d'avaluació, problemes, pràctiques, indicadors de rendiment, mesuraments i, en general, qualsevol variable quantitativa) s'aconsegueixen identificar conjunts concordants, és a dir, estructures explicatives de la dificultat del conjunt de ítems. La lectura d'aquests conjunts es pot fer de dues maneres gràcies a la informació que proporcionen els algoritmes creats: a) Transversal, de manera que els conjunts concordants formen el "esquelet de dificultat" del problema i són, per tant, referències per estudiar la resta de puntuacions en altres ítems. b) Longitudinal, mitjançant l'estudi del que anomenem Mapes de Concordança, els quals mostren l'evolució dels conjunts concordants en anar incorporant elements en cada iteració, i detectant per tant els ítems discordants respecte a conjunts estables donats. L'aplicació d'aquesta metodologia és molt àmplia, i és susceptible de ser posada en pràctica en qualsevol camp de les ciències on es realitzin mesures i es vulgui observar les variacions creuades entre individus. En aquesta investigació s'aplica a l'assignatura de Laboratori de mesures electròniques. Els resultats aporten llum a la manera de millorar les pràctiques existents i de construir-ne de noves en el futur. / Se desarrolla una metodología que combina algoritmos exploratorios e iterativos que toma como base el concepto de concordancia del coeficiente de correlación W de Kendall. A partir de conjuntos complejos de ítems y sus puntuaciones (actividades de evaluación, problemas, prácticas, indicadores de rendimiento, mediciones y, en general, cualquier variable cuantitativa) se consiguen identificar conjuntos concordantes, es decir, estructuras explicativas de la dificultad del conjunto de ítems. La lectura de estos conjuntos puede hacerse de dos maneras gracias a la información que proporcionan los algoritmos creados: a) Transversal, de manera que los conjuntos concordantes forman el “esqueleto de dificultad” del problema y son, por tanto, referencias para estudiar el resto de puntuaciones en otros ítems. b) Longitudinal, mediante el estudio de lo que denominamos Mapas de Concordancia, los cuales muestran la evolución de los conjuntos concordantes al ir incorporando ítems en cada iteración, y detectando por tanto los ítems discordantes respecto a conjuntos estables dados. La aplicación de dicha metodología es muy amplia, siendo susceptible de ser puesta en práctica en cualquier campo de las ciencias donde se realicen mediciones y se quiera observar las variaciones cruzadas entre individuos. En la presente investigación se aplica a la asignatura de Laboratorio de medidas electrónicas. Los resultados arrojan luz sobre la manera de mejorar las prácticas existentes y de construir otras nuevas en el futuro. / We have developed a new methodology that combines both exploratory and iterative algorithms which is based on the concept of concordance of the correlation coefficient W of Kendall. Starting from complex sets of items and their scores (assessment activities, problems, practices, performance indicators, measurements and, in general, any quantitative variable) it is possible to identify consistent sets, i.e., structures that explain the difficulty of the set of items. Reading these sets can be done in two different ways thanks to the information provided by the algorithms created: a) Transversal, so that the concordant sets form the "backbone difficulty" of the problem and, therefore, they become references to study the remaining scores on other items. b) Longitudinal, by studying what we call concordance maps, which show the evolution of the consistent sets when new items are incorporated after each iteration and thus detecting the discordant items with regard to given stable sets. The application of this methodology is very broad, being useful in any field of science where measurements are carried out and you may want to see cross-variations among individuals. In this research it has been applied to the subject Electronic Measurements Laboratory. The results point to different ways to improve the existing practices and create new ones in the future.