Tesis para optar al grado de Doctora en Ciencias, Mención Computación / Las plataformas de redes sociales en lı́nea sirven como importantes fuentes de información acerca de lo que está pasando en el mundo y cómo la gente reacciona a estos eventos. Dentro de toda la información útil que los cientı́ficos han extraı́do de estos repositorios, el análisis de mensajes relacionados con eventos del mundo real son una importante oportunidad para realizar análisis histórico de noticias. Como los mensajes publicados en estas plataformas contienen distintos puntos de vista de una noticias, contribuyen con información que quizás no haya sido publicada por los medios tradicionales. Dentro de los aspectos que se pueden estudiar de un evento noticioso, las relaciones geopolı́ticas como consecuencia de ellos contienen información valiosa para análisis histórico futuro. En efecto, entender las relaciones entre paı́ses, su desarrollo en el tiempo y cómo las personas reaccionaron a ellas es esencial para comprender el presente. Sin embargo, extraer información útil desde estas plataformas no es una tarea fácil dada la creciente velocidad de publicación de sus mensajes, lo no estruturado de su contenido y la enormidad de repositorios que generan. Por otra parte, para extraer conocimiento nuevo se necesitan herramientas que permitan la generación de hipótesis nuevas por parte de expertos en un dominio. Esta necesidad de colaboración entre sistemas computacionales y usuarios finales hace que el problema tenga dos componentes. El primer componente es que los datos pueden ser difı́ciles de guardar, recuperar y procesar sin las representaciones adecuadas de alto nivel. El segundo componente es que explorar con ojos humanos un gran número de mensajes puede ser imposible sin las herramientas adecuadas. El objetivo de esta tesis es abordar estos dos problemas. El primer problema, relacionado con la eficiencia del procesamiento computacional de los datos, se aborda presentando una representación de alto nivel de eventos noticiosos en su contexto geopolı́tico. Más especı́ficamente, proponemos una representación de eventos consciente del contexto espacio temporal que incorpora tanto la información de las ubicaciones que están involucradas en el mundo real como de aquellas hasta donde se propagó el evento. Exploramos la utilidad de este modelo usando datos de eventos noticiosos extraı́dos desde Twitter en una ventana de tiempo de dos años. Abordamos el segundo problema, relacionado con la exploración de mensajes por expertos en un dominio, diseñando herramientas visuales para exporarlas. Primero diseñamos una interfaz web visual, llamada Galean, que permite a usuarios explorar noticias dada la representación de eventos anteriormente mencionada. Evaluamos esta interfaz a través de un estudio cualitativo con potenciales usuarios finales y uno cuantitativo con 30 participantes. Dada la retroalimentación recibida en esas instancias, diseñamos y evaluamos una nueva manera de visualizar datos geográficos y temporales llamada Cartoglyphs. / CONICYT, Instituto Milenio en Fundamentos de los Datos

Memoria para optar al título de Ingeniero Civil Industrial / La Universidad de Chile se ha caracterizado por ser históricamente una universidad al servicio de la sociedad, lo cual a través del tiempo se ha ido materializando en políticas internas para acompañar a sus alumnos en un ambiente de equidad e inclusión. Fiel reflejo es la promulgación en 2014 de la política interna de Equidad e Inclusión, la cual garantiza el acompañamiento de estudiantes en el acceso, permanencia y egreso oportuno de sus alumnos. Parte importante de esta política corresponde a que la Universidad de Chile debe realizar esfuerzos por retener a sus alumnos, respondiendo a un cuerpo estudiantil cada vez más diverso en términos económicos, sociales y culturales. Pese a los esfuerzos, aún continua existiendo una marcada heterogeneidad en la retención de alumnos de primer año en sus distintas facultades, siendo la más alta en la Facultad de Ciencias Físicas y Matemáticas, con un 95\% de retención, y la más baja en Bachillerato, con sólo un 53\% de retención. Debido a estos antecedentes, es que se propone en este proyecto de tesis generar una nueva capacidad en la Universidad de Chile que permita detectar a alumnos en riesgo de deserción para así ofrecer beneficios estudiantiles de forma proactiva. La metodología del proyecto corresponde a la metodología de Ingeniería de Negocios y Diseño de Servicios, mientras que la metodología de minería de datos utilizada corresponde a CRISP-DM. Los modelos para predecir la deserción utilizados fueron de Árboles de Decisión, Random Forest y Regresión Logística. Para entrenar los modelos se utilizaron datos de alumnos nuevos que ingresaron a la Universidad de Chile en 2017 y que rindieron la PSU. El tipo de deserción estudiada correspondió a la deserción institucional, es decir, alumnos que abandonan de forma voluntaria o involuntaria la Universidad de Chile. El modelo que presentó los mejores resultados fue el de Regresión Logística, el cual de haber sido aplicado para alumnos de primer año de 2017, hubiese detectado la deserción de 311 alumnos, o de forma equivalente, el 41\% de los alumnos desertores. Además, se validó que el modelo fuera generalizable, es decir, se probó que el modelo aplica al universo de alumnos de primer año que ingresa a la Universidad de Chile, lo cual fue realizado a través de un análisis retrospectivo con datos de alumnos nuevos del cohorte del año anterior (2016). La Arquitectura Tecnológica propuesta se compone de un software de minería de datos, una herramienta de visualización y un Data Mart de Alumnos. Este último se propone para contar con datos de alumnos de diferentes fuentes de información bajo un único estándar de calidad, para posteriormente ser utilizados en los modelos de minería de datos. Por último, la evaluación económica del proyecto, indicó que el proyecto debe ser realizado, obteniendo un $\Delta$ VAN de \$ 1.520 millones con respecto a la situación actual optimizada, considerando una duración de tres años de proyecto.

Tesis para optar al grado de Doctora en Ciencias, Mención Computación / Buscar contenido multimedia es una de las tareas más comunes que los usuarios realizan en la Web. Actualmente, los motores de búsqueda en la Web han mejorado la precisión de sus búsquedas de contenido multimedia y ahora brindan una mejor experiencia de usuarios. Sin embargo, estos motores aún no logran obtener resultados precisos para consultas que no son comunes, y consultas que se refieren a conceptos abstractos. En ambos escenarios, la razón principal es la falta de información preliminar. Esta tesis se enfoca en mejorar la recuperación de información multimedia en la Web usando datos generados a partir de la interacción entre usuarios y recursos multimedia. Para eso, se propone mejorar la recuperación de información multimedia desde dos perspectivas: (1) extrayendo conceptos relevantes a los recursos multimedia, y (2) mejorando las descripciones multimedia con datos generados por el usuario. En ambos casos, proponemos sistemas que funcionan independientemente del tipo de multimedia, y del idioma de los datos de entrada. En cuanto a la identificación de conceptos relacionados a objetos multimedia, desarrollamos un sistema que va desde los resultados de búsqueda específicos de la consulta hasta los conceptos detectados para dicha consulta. Nuestro enfoque demuestra que podemos aprovechar la vista parcial de una gran colección de documentos multimedia para detectar conceptos relevantes para una consulta determinada. Además, diseñamos una evaluación basada en usuarios que demuestra que nuestro algoritmo de detección de conceptos es más sólido que otros enfoques similares basados en detección de comunidades. Para mejorar la descripción multimedia, desarrollamos un sistema que combina contenido audio-visual de documentos multimedia con información de su contexto para mejorar y generar nuevas anotaciones para los documentos multimedia. Específicamente, extraemos datos de clicks de los registros de consultas y usamos las consultas como sustitutos para las anotaciones manuales. Tras una primera inspección, demostramos que las consultas proporcionan una descripción concisa de los documentos multimedia. El objetivo principal de esta tesis es demostrar la relevancia del contexto asociado a documentos multimedia para mejorar el proceso de recuperación de documentos multimedia en la Web. Además, mostramos que los grafos proporcionan una forma natural de modelar problemas multimedia. / Fondef D09I-1185, CONICYT-PCHA/Doctorado Nacional/2013-63130260, Apoyo a estadías corta de la Escuela de Postgrado de la U. de Chile, y el Núcleo Milenio CIWS

Tesis para optar al grado de Magíster en Ciencias, Mención Computación / Durante situaciones de emergencia tales como terremotos o atentados terroristas, los usuarios en redes sociales comparten masiva y colectivamente mensajes relacionados al evento. En muchas ocasiones, estos usuarios se transforman en testigos presenciales en el lugar de los hechos. En efecto, estos usuarios suelen compartir información relevante de manera mucho más rápida que los medios tradicionales de comunicación. Por consiguiente, así como los sensores físicos se activan cuando son estimulados, estos usuarios actúan como sensores ciudadanos localizados en lugares geográficos que reaccionan y detectan eventos de manera similar. La mayoría de los métodos para detectar situaciones de emergencia usando redes sociales, se basan en identificar características en los mensajes que contienen palabras claves específicas para cierto dominio. Sin embargo, los métodos basados en palabras claves requieren modelos que son entrenados con datos históricos en dominios específicos, múltiples idiomas y para diferentes tipos de eventos (por ejemplo, terremotos, aluviones, incendios forestales, etc). Además de ser costoso, estos enfoques podrían fallar al detectar situaciones que ocurren de manera inesperada, tales como catástrofes no comunes o ataques terroristas. Así mismo, las menciones colectivas de palabras clave no son el único tipo de fenómenos de auto-organización que pueden surgir cuando se produce una situación extrema en el mundo real. Para aprovechar esta información, utilizamos la actividad de geolocalización de manera auto-organizada para identificar situaciones de emergencia en Twitter. En nuestro trabajo proponemos detectar dichos eventos mediante el seguimiento de las frecuencias y las distribuciones de probabilidad del tiempo de llegada entre mensajes relacionados con ubicaciones específicas. Usando un clasificador estándar que es independiente de las características específicas del dominio, estudiamos y describimos situaciones de emergencia basadas únicamente en características correspondientes a la ubicación de los mensajes. En nuestro trabajo introducimos el concepto de propagación geográfica para saber si un evento corresponde o no a una situación de emergencia. Este término define si un evento de emergencia es focalizado o difuso, lo cual permite reducir la cantidad de falsos positivos en eventos que no están relacionados a situaciones de emergencia. Finalmente, nuestra contribución es proponer una prueba de concepto que permita detectar eventos de crisis mediante un modelo que no utiliza atributos del texto para clasificar, sino más bien la distribución y frecuencia que tienen los mensajes en ventanas de tiempo. Además nuestros hallazgos indican que las anomalías en la actividad de los usuarios en redes sociales, están relacionados con la ubicación los cuales proporcionan información para detectar automáticamente situaciones de emergencia independientes de su dominio. Los resultados indican que es posible detectar hasta un 80% de las situaciones de crisis sin utilizar características o atributos de texto.

Magíster en Gestión de Operaciones. Ingeniero Civil Industrial / Las enfermedades respiratorias crónicas (ERC) afectan las vías respiratorias y otras estructuras del pulmón por más de tres meses, lo que en caso de infantes repercute tanto en su crecimiento como en su desarrollo normal. En Chile las enfermedades respiratorias son la primera causa de egreso hospitalario, siendo las ERC una de las razones más frecuentes. Diversas iniciativas se han implementado en apoyo a estas problemáticas, principalmente a través de Garantías Explícitas en Salud, pero éstas presentan un enfoque de atención médica necesaria y oportuna más que de prevención. A partir de 2013 una iniciativa impulsada por el Ministerio de Salud busca reintegrar en sus domicilios a pacientes menores de 20 años que requieran apoyo respiratorio, lo que mejora su calidad de vida y la de sus familias. No obstante, el protocolo de detección de crisis y su consiguiente plan contingente recae en las familias y cuidadores. Por esto es fundamental generar estrategias que puedan prevenir y detectar de forma oportuna cualquier riesgo de salud una vez que llegan a sus casas. Para esto, el objetivo general planteado es predecir el estado de riesgo de salud futuro del paciente en base a los signos vitales capturados, brindando el tiempo necesario para desencadenar el plan contingente asociado a la situación. El resultado de este trabajo es un algoritmo capaz de conectarse a un sistema de captura de datos del paciente que logre detectar una situación adversa futura entregando este resultado en un tiempo mínimo de procesamiento. Considerando esto es fundamental contar con un repositorio de datos confiable, tanto para modelar el predictor como para su funcionamiento continuo. Este algoritmo está dividido en dos etapas: elección de modelos óptimos y clasificación de riesgo futuro. La primera etapa busca escoger el conjunto de métodos de series de tiempo que sea capaz de predecir siguiente estado del paciente, y luego escoger el modelo de aprendizaje supervisado que clasifique de mejor forma el riesgo del paciente. La segunda etapa busca tomar los modelos ya seleccionados y utilizarlos para desencadenar la predicción. Con esto se logra que la respuesta del próximo estado de cada paciente se obtenga en segundos. El resultado muestra que algunos signos vitales se pueden modelar de buena forma con la distancia de captura de los datos que se tiene (dos horas), como la temperatura, que para el paciente en que mejor se ajusta se puede modelar con un 1% de error cuadrático medio. En contraste, la frecuencia cardiaca no es posible modelarla con la misma distancia entre datos, teniendo en el mejor caso un error cuadrático medio de 35,90. Por otro lado, la clasificación de riesgo llega a resultados bastante buenos en términos de exactitud, cercano a 90% en algunos casos, pero se tiene que para el mejor escenario el Valor-F alcanza sólo 67%. Contrastando simultáneamente sensibilidad y especifidad se logra obtener modelos que están sobre 80% en ambas métricas, o cercano a 90% en una manteniéndose sobre 70% en la otra.

Magíster en Ingeniería de Negocios con Tecnologías de Información / El conocimiento es un recurso que se encuentra en las personas, en los objetos que ellas utilizan, en el medio en que ellas se mueven y en los procesos de las organizaciones a las cuales pertenecen, permitiendo actuar e interpretar sobre lo que sucede en el entorno. El mercado minero actualmente vive un complejo panorama económico, dado principalmente, por una importante disminución de la inversión a nivel mundial en proyectos que repercute directamente a las empresas que suministran servicios a la minería en Chile. Debido a esto se ha generado una disminución en la demanda de servicios en el mercado, dando como resultado una disminución en la oferta de propuestas de proyectos y una mayor competencia por ganarlas. Empresa de Ingeniería Minera se dedica a la extracción y refinación de petróleo-gas, energía y minería en la mayor parte del planeta. La organización busca seguir siendo competitiva y mantenerse vigente en este mercado cambiante y saturado. Sus ingresos están dados principalmente por la cantidad de nuevos proyectos que se realicen de forma exitosa, por lo que generar un posible aumento la fuente de ingresos de la organización es un tema clave, y es precisamente este punto el que se busca apoyar con el estudio. Bajo este contexto se buscará generar una mayor posibilidad para la organización de obtener nuevos negocios en base a un análisis de la situación actual de la organización y la aplicación de un rediseño de procesos apoyado por un modelo de clasificación de minería de datos que permita mejorar la gestión del departamento con los recursos disponibles, aprovechar la información y el conocimiento existente para aumentar la posibilidad de ganar más proyectos y por ende aumentar las utilidades de la organización en relación al año anterior.

Magíster en Ingeniería de Negocios con Tecnologías de Información. Ingeniero Civil Industrial / El CESFAM Barros Lucos es un centro de atención público, diseñado y equipado para atender las necesidades primarias y ambulatorias de la comuna de San Miguel, tiene una infraestructura y un equipo multidisciplinario de especialistas, encargados de la salud de sus habitantes. Controla la evolución de patologías crónicas como hipertensión y diabetes; que se han incrementado, siendo una de las principales causas de muerte en Chile, llegando a una tasa de un 12%, (Corporación de Salud, 2015). El índice de morbilidad genera un gasto en camas, medicamentos y post tratamiento de un 60% en estos pacientes. Los modelos utilizados en Chile, no han sido eficaces para prevenir crisis y la morbilidad de los pacientes, no cumple con los objetivos estratégicos planteados para estas enfermedades por el Minsal (MINSAL, 2016), por tanto hay que rediseñar los procesos, generando cambios en la gestión, control y prácticas de trabajo, elevando la calidad, cobertura y prevención de estas enfermedades, utilizando eficiencientemente los recursos. Otro desafío, es la incorporación de metodologías estratégicas y de gestión adaptados al sector público. Las lógicas de negocios consideradas en la tesis, incluye el uso de tecnologías de la información, rediseño de procesos y negocios, uso de herramientas de minería de datos (Chapman P C. J.), orientado al uso del balanced scorecard (Kaplan). Las descripciones de los procesos se realizan por medio de la metodología de los Macroprocesos (Barros O. , 2011), aplicadas anteriormente en hospitales públicos. Otro componente es el uso de la tecnología que complementan y apoyan los procesos de rediseño, donde se destacan el uso de la minería de datos que ayudan a chequear los sectores más vulnerables de la comuna, y describir los comportamientos característicos de la población. Dentro de las conclusiones más destacadas la demografía de la comuna, en donde un sector demográfico de la población, es más vulnerable a padecer de una crisis en relación a otros sectores, los cuales permiten crear programas más personalizados para los pacientes. Dentro de los resultados más importantes se puede estimar que el pronóstico de minería de datos, ayuda a detectar más de un 30% de los pacientes más críticos los cuales pueden padecer una crisis. El impacto del proyecto ayuda a mejorar la gestión interna automatizando los sistemas, y rediseñando la organización de forma de crear un sistema de control personalizando el tratamiento a más del 80% de la población interna del CESFAM. Finalmente el impacto de la realización del proyecto se mide con la metodología de la evaluación social de proyecto, en ella se establece tres posible escenarios de la implementación del proyecto analizando de forma cuantitativa el impacto económico que tiene.

Magíster en Ingeniería de Negocios con Tecnologías de Información. Ingeniero Civil Industrial / La Dirección del Trabajo es la organización que se encarga de velar por el cumplimiento de la legislación laboral a través de sus productos y servicios estratégicos, donde la fiscalización es una de sus principales herramientas de detección de infraccionalidad. El proyecto de tesis se enfoca en el rediseño de los procesos de fiscalización proactiva en base a la Metodología de Ingeniería de Negocios, donde se ha presentado una baja tasa de detección de infraccionalidad (Eficacia) en los programas de fiscalización, la cual en los últimos 6 años ha tenido un promedio del 27% y nunca superando el 35%. Este resultado se considera bajo debido a estudios que estiman una tasa de infraccionalidad natural (teórica) del 37% (Kanbur, Ronconi, & Wedenoja, 2013), por lo cual, la fiscalización que está enfocada en encontrar infracción está bajo la tasa natural o base. Debido a la restricción de recursos de la organización, la cual se ha mantenido lo últimos 5 años con un número de fiscalizadores promedio de 450 a lo largo del país, y una demanda creciente cercana al 5% desde el 2010, la organización se ha visto en la necesidad de optimizar el manejo de sus recursos y enfocar su acción inspectiva a aquellas empresas con mayor probabilidad de infracción. Para esto, el proyecto posee como objetivo aumentar la eficacia de la fiscalización proactiva al doble hasta el 2018, a través del rediseño del proceso de la fiscalización y el desarrollo de modelos predictivos con la información de la organización. La metodología general del proyecto de rediseño es la Ingeniería de Negocios, mientras que para la creación de los modelos predictivos se utiliza la metodología CRISP-DM. Los modelos predictivos utilizados en el proyecto fueron Árboles de decisión (CART, Conditional Inference Trees y Random Forest), Regresión Logística y Redes Neuronales, donde el que presentó los mejores resultados de predicción fue el Random Forest, con un Accuracy del 87,41% y un Fscore del 84,43%. Con tal modelo se realizó una prueba piloto a 560 empresas a lo largo de todo Chile, donde se obtuvo una asertividad del 42,24%, donde en regiones se llegó a tener por sobre el 50% de acierto. Se presenta una arquitectura basada en el levantamiento de una máquina virtual la cual alberga el desarrollo generado para los pasos de la metodología CRISP-DM, donde se muestran los casos de uso, diagrama de arquitectura y diagrama de despliegue. Por último, se realiza una evaluación económica al proyecto, donde se plantea un indicador de costo efectivo por fiscalización (CEF), el cual se define que si el proyecto presenta un menor CEF es conveniente su realización. El escenario sin proyecto presentó un CEF de CLP$133.650, mientras que el con Proyecto mostró un CEF de CLP$104.810 a una tasa social de descuento del 6%.