https://rdi.uncoma.edu.ar/handle/uncomaid/45 Wed, 24 Jun 2026 05:12:32 GMT 2026-06-24T05:12:32Z https://rdi.uncoma.edu.ar:443/bitstream/id/849cc266-efe8-4e9f-b935-151c3bf910df/ https://rdi.uncoma.edu.ar/handle/uncomaid/45 https://rdi.uncoma.edu.ar/handle/uncomaid/19432 Detección de estructuras latentes en redes complejas mediante técnicas de teoría de grafos y álgebra lineal El presente trabajo examina la integración de distintos tópicos matemáticos —como la teoría de grafos, el álgebra lineal y el análisis de datos— para el estudio estructural de redes complejas construidas partir de datos relacionales. Se muestran estrategias de detección de comunidades aplicadas tanto a redes simuladas como a redes reales, con el objetivo de mostrar cómo estos enfoques pueden vincularse en un mismo marco analítico. Estas estrategias dependen del objeto del investigador, por lo que los métodos propuestos se aplican según el interés de la determinación de comunidades. Utilizando una base de datos real del sistema de ciencia y tecnología argentino (SICYTAR, 2018) extraída del sitio datos.gob.ar, así como también una red simulada, se aplicaron tres enfoques complementarios: el coloreo de grafos, el agrupamiento espectral y el algoritmo de Girvan–Newman. En primer lugar, se utilizó la técnica del coloreo de grafos como estrategia organizativa para clasificar tareas, atributos y así generar una división preliminar de nodos. Luego, poniendo en práctica conceptos del álgebra lineal como la matriz Laplaciana y sus autovalores, se implementó el agrupamiento espectral para detectar patrones estructurales internos. Por último, se utilizó el algoritmo de Girvan–Newman para identificar comunidades basadas en la eliminación de aristas con un alto valor de intermediación. Todo este proceso siendo hecho con el paquete igraph del software R. Los resultados muestran que la integración de estos métodos permite modelar y optimizar la organización de redes complejas, revelando estructuras internas poco evidentes y ofreciendo una lectura m´as profunda de las redes y datos relacionales mediante el uso conjunto de herramientas matemáticas. De este modo, este trabajo no solo aporta resultados, sino también una propuesta que puede extenderse a distintos contextos que manejen grandes cantidades de datos, tales como sistemas educativos o instituciones científicas.; This paper examines the integration of different mathematical topics—such as graph theory, linear algebra, and data analysis—for the structural study of complex networks built from relational data. Community detection strategies are presented, applied to both simulated and real networks, with the goal of demonstrating how these approaches can be linked within a single analytical framework, which is the objective of this thesis. These strategies depend on the researcher’s objective, so the proposed methods are applied according to the interest in determining communities. Using a real database of the Argentine Science and Technology System (SICYTAR, 2018) extracted from datos.gob.ar, as well as a simulated network, three complementary approaches were applied: graph coloring, spectral clustering, and the Girvan-Newman algorithm. First, graph coloring was used as an organizational strategy to classify tasks and attributes, thus generating a preliminary node division. Then, applying concepts from linear algebra such as the Laplacian matrix and its eigenvalues, spectral clustering was implemented to detect internal structural patterns. Finally, the Girvan-Newman algorithm was used to identify communities based on the elimination of edges with a high betweenness value. This entire process was performed using the igraph package of the R software. The results show that the integration of these methods allows to model and optimize the organization of complex networks, revealing internal structures that are not obvious and offering a deeper reading of networks and relational data through the joint use of mathematical tools. In this way, this work not only provides results but also a proposal that can be extended to different contexts that handle large amounts of data, such as educational systems or scientific institutions. https://rdi.uncoma.edu.ar/handle/uncomaid/19432 https://rdi.uncoma.edu.ar/handle/uncomaid/19289 Pronóstico univariado del precio del cordero patagónico: Un enfoque dinámico bajo aprendizaje estadístico Este trabajo poropone una metodología de pronóstico aplicada al precio del cordero patagónico, integrando modelos univariados tradicionales ((ARIMA,ETS) y Prophet, algoritmo asociado al Machine Learning. Sobre los datos del INTA (2014-2023), se aplicó una validación cruzada para datos temporales que permitió evaluar la robustez y adaptabilidad de los modelos en distintos contextos temporales. El ARIMA (1,1,0) (1,1,0) (12) mostró el mejor desempeño promedio, aunque no de forma constante. Este hallazgo evidencia una superioridad condicional, según la cual ningún modelo es óptimo en diferentes horizontes de tiempo y subraya la necesidad de una validación dinámica. Algunas limitaciones fueron: el tamaño reducido de la muestra, la no inclusión de variables exógenas y una aplicación circunscrita al mercado del cordero patagónico. La singularidad de éste estudio es proponer una metodología con una evaluación rigurosa de desempeño temporal que aporta herramientas prácticas para precios con estacionalidad. https://rdi.uncoma.edu.ar/handle/uncomaid/19289 https://rdi.uncoma.edu.ar/handle/uncomaid/19278 Asignación inteligente de tareas con grafos: eficiencia en la Administración de recursos humanos La asignación de tareas dentro de un equipo puede verse afectada por diversas restricciones, como aquellas que impiden la realización simultánea de ciertas actividades —por ejemplo, cuando se comparte maquinaria o espacios—, la disponibilidad limitada de personas para ejecutar tareas en paralelo, o la existencia de dependencias entre tareas que requieren un orden específico de ejecución. Estas condiciones pueden modelarse mediante un grafo, donde cada tarea se representa como un vértice, y una arista conecta dos tareas que no pueden realizarse al mismo tiempo. Al aplicar el coloreo de grafos, cada color simboliza un grupo de tareas que pueden ejecutarse simultáneamente o asignarse a un mismo recurso, facilitando así una planificación eficiente y libre de conflictos.La aplicación del algoritmo de coloreo de grafos puede optimizar la asignación de tareas en ambientes colaborativos, en particular, en la asignación de tareas a docentes en el departamento de matemáticasde la facultad de economía y administraciónde la Universidad Nacional del Comahueen el año 2024. En este estudio se aplicó esta herramienta y se compararon dos escenarios:el primero muestra una distribución aleatoriade tareas a docentes y el otro una distribución organizada tras la aplicación delalgoritmo de coloreo. La muestra utilizada incluyó 67 docentes y las tareas a asignar se encuentran divididas en cuatro grandes grupos: docencia, investigación, extensión y gestión. Utilizando el software R, se generaron grafos bipartitos para representar las asignaciones de tareas, y se analizaron métricas de centralidad del autovector y de centralidad de grado. Los resultados mostraron que el algoritmo de coloreo logra una distribución homogénea y balanceada de las tareas, evitando la sobrecarga en algunos individuos y asegurando que todos los docentes tengan tareas asignadas de manera justa. https://rdi.uncoma.edu.ar/handle/uncomaid/19278 https://rdi.uncoma.edu.ar/handle/uncomaid/19277 Hacia un modelo integral en educación superior: experiencias de articulación entre docencia, investigación y extensión en la Universidad Nacional del Comahue Este artículo analiza la integralidad de funciones en la educación superior a partir de experiencias desarrolladas en la Facultad de Economía y Administración de la Universidad Nacional del Comahue (UNCo). A través de un enfoque cualitativo, se explora cómo la articulación entre docencia, investigación y extensión potencia sinergias que fortalecen tanto la formación académica como el compromiso social. Los resultados evidencian una optimización de recursos y la producción de conocimiento con enfoque transdisciplinar. Se concluye que la sostenibilidad de este modelo depende de su apropiación colectiva, de dinámicas institucionales que promuevan el trabajo colaborativo y del reconocimiento de estas prácticas como parte constitutiva de la vida universitaria. https://rdi.uncoma.edu.ar/handle/uncomaid/19277