Modelo ontológico para la detección de características de una entidad aplicado al análisis de sentimientos a nivel de aspectos en español.
|
|
- Sergio Soriano Barbero
- hace 6 años
- Vistas:
Transcripción
1 Modelo ontológico para la detección de características de una entidad aplicado al análisis de sentimientos a nivel de aspectos en español. Carlos N. HENRIQUEZ Programa de Ingeniería de Sistemas Universidad Autónoma del Caribe Barranquilla, Atlántico, Colombia y Jaime A. GUZMAN Departamento ciencias de la computación y decisión Universidad Nacional de Colombia Medellín, Antioquia, Colombia RESUMEN Hoy en día la cantidad de datos producidos a nivel mundial es muy alta. Toda esta gama de datos resulta atractiva para diferentes estamentos comerciales, industriales y académicos, pero la extracción y su respectivo procesamiento, se hace muy complejo si se hace forma manual. Por lo anterior, han surgido nuevas áreas de investigación que ayudan a abordar esta problemática. Dentro de estas áreas se encuentra el análisis de sentimientos que busca procesar opiniones escritas acerca de una persona o entidad para determinar su polaridad (positiva o negativa). En este sentido, este artículo propone la descripción, análisis y selección de un enfoque apropiado para la detección automática de características de una entidad que permitan la construcción de un sistema de análisis de sentimientos a nivel de aspectos. Como resultados parciales se exponen los componentes del modelo de detección basado en ontologías, así como las acciones y selección de herramientas computacionales para su posterior implementación Palabras claves: Análisis de sentimiento, ontologías, aspectos, PLN. 1. INTRODUCCIÓN Hoy en día la cantidad de datos producidos a nivel mundial es muy alta. Por ejemplo, en la Internet se producen millones de datos debido a la utilización masiva de las redes sociales, servicios de mensajería, blogs, wikis, comercio electrónico, entre otros. Toda esta gama de datos es atractiva para diferentes estamentos comerciales, industriales y académicos, pero la extracción y su respectivo procesamiento, hace que esta tarea sea muy compleja y difícil si se hace de forma manual. Debido a lo anterior, existen las técnicas de procesamiento natural (PLN) y particularmente el análisis de sentimientos (AS). El AS busca analizar las opiniones, sentimientos, valoraciones, actitudes y emociones de las personas hacia entidades como productos, servicios, organizaciones, individuos, problemas, sucesos, temas y sus atributos [1]. El análisis de sentimiento (AS) ha mostrado una alta tendencia de investigación en los últimos años debido a la producción en gran escala de opiniones y comentarios por parte de usuarios activos en la Internet. Hasta ahora, la gran mayoría de trabajos de investigación involucran sistemas de AS en el idioma inglés. Por este motivo, la comunidad científica está interesada en trabajos diferentes a este lenguaje. Los enfoques tradicionales para el AS tratan de detectar la polaridad global de una frase, un párrafo o un texto completo [2]. Por ejemplo, un análisis a nivel de documento clasifica el sentimiento de todo un documento en positivo o negativo [3]. A nivel de frase clasifica el sentimiento expresado en cada oración y el basado en aspectos lo clasifica con respecto a las características específicas de una entidad encontradas en cada frase. Los dos primeros enfoques, resultan a veces incompletos ante la realidad de las empresas u organizaciones que quieren saber en detalle el comportamiento de su producto [4]. Este tipo de análisis no permite a las organizaciones tener la seguridad o la entereza de tomar algunas acciones correctivas o planear algunas actividades incluso la toma de decisiones estratégicas. El AS a nivel de aspectos o características, tiene como objetivo identificar las propiedades o características de un producto o una entidad y determinar la opinión o sentimiento expresado de cada aspecto de esa entidad. Un aspecto es un atributo o componente de una entidad, por ejemplo, la pantalla de un televisor o la calidad de las fotografías de una cámara. En la literatura existen dos subtareas importantes para hacer AS a nivel de aspectos [5]. La primera tarea está relacionada en detectar los aspectos de una entidad en un texto dado y la segunda determinar el sentimiento asociado a ese aspecto [6]. Por ejemplo, en la frase, "La calidad del sonido de este teléfono es increíble ", el aspecto es 215
2 "sonido y la entidad es "teléfono. El sentimiento asociado es increíble que es una calificación positiva. En cuanto a la detección de aspectos, muchos trabajos en la literatura trabajan con una lista predeterminada [2], [5]. Otros enfoques, según [1] como el conteo de nombres y frases para calcular su frecuencia dentro de un documento [6], [7]. Este enfoque funciona aceptablemente pero se olvida de aquellos aspectos que no aparecen mucho en el texto. Otro enfoque aprovecha las relaciones entre sentimiento y aspectos [8] [9] el cual después de buscar los sentimientos, encuentra la relación con palabras o frases que puedan ser aspectos. Este enfoque se ha usado mucho en sistemas en el idioma ingles y depende mucho de un conjunto de recursos lingüísticos donde aparecen etiquetados un grupo de sentimiento. El siguiente enfoque es basado en modelos de aprendizaje supervisado que necesitan un conjunto previo de datos etiquetados para entrenamiento [10], [11], [12], [13]. El último enfoque, se basa en modelo estadísticos topic model que se basan en principios basados en inferencia probabilística y se puede ampliar para modelar muchos tipos de información. Esto lo hace tener algunas debilidades que limitan su uso práctico en la vida real en aplicaciones de análisis de sentimiento. Para este enfoque se necesita un gran volumen de datos y una cantidad significativa de afinación con el fin de lograr resultados razonables. Si bien no es difícil para este enfoque encontrar temas frecuentes o aspectos de una colección de documentos grande, no es fácil de encontrar aquellos aspectos que son localmente frecuentes, pero a nivel mundial no son tan frecuentes. Por lo anterior, aunque los enfoques son usados aceptablemente para algunas tareas específicas de AS, estos no tienen en cuenta el significado de cada característica hallada, siendo esta una extracción automática casi ciega que no permite obtener más información pertinente para otros propósitos. Con respecto a la detección de aspectos en español, se han encontrado pocos aportes referentes a la extracción automática. Los pocos trabajos emplean técnicas de aprendizaje automático para determinar la polaridad después de poseer una lista de aspectos predeterminada [2], [5]. Sin embargo en algunos textos va a ser imposible tener una lista de aspectos a priori para la clasificación. Adicionalmente existen pocos enfoques propuestos para la extracción de aspectos implícitos en el idioma español. Teniendo en cuenta lo anterior, existen otros enfoques que tienen en cuenta el significado. Dentro de estos enfoques, están los basados en ontologías que han sido probados con éxito para la detección de aspectos [14] aportando sus estructuras semánticas al hallazgo de características precisas de las entidades de estudio. En trabajos como [15], [16], [17], [18], [19] se han evidenciado las mejoras con este enfoque. En el contexto de esta propuesta, las ontologías consisten en especificaciones formales y explícitas que representan los conceptos de un determinado dominio y sus relaciones, es decir, son un modelo abstracto de un dominio, donde los conceptos utilizados están claramente definidos [20]. Estas ontologías son muy utilizadas en la llamada Web semántica para representar una base de conocimientos que involucra el trabajo de agentes inteligentes. Los componentes de una ontología según [21] son: Clase: conjunto de objetos (físicos, tareas, funciones, etc.). Cada objeto en una clase es una instancia de esa clase. Relaciones: Se establecen entre conceptos de una ontología para representar las interacciones. Propiedades: Los objetos se describen por medio de un conjunto de características o atributos. Estos almacenan diferentes clases de valores. Las especificaciones, rangos y restricciones sobre estos valores se denominan facets. Instancias: Son objetos, miembros de una clase, que no pueden ser divididos sin perder su estructura y características funcionales. Pueden ser agrupados en clases. Axioma: Elementos que permiten la modelación de verdades que se cumplen siempre en la realidad. Existen tres tipos de axiomas: relacionales, no-relacionales y generales. El trabajo presentado en este documento está motivado principalmente por la necesidad de seleccionar un enfoque adecuado para la detección de características de una entidad que permita la construcción de un sistema de AS a nivel de aspectos para el español. En la próxima sesión se presenta la metodología empleada, luego los resultados parciales y finalmente las conclusiones. 2. METODOLOGÍA Tomando como punto de partida que se trata de una investigación aplicada y cuyo tipo de estudio es descriptivo, este proyecto se compone de tres (3) fases: 1) Fase teórica: En esta fase se realiza una revisión de literatura que describe y analiza los diferentes enfoques para detectar aspectos. 2) Fase de consolidación: En esta fase se realiza la selección del enfoque y el diseño del modelo. 3) Fase de prototipo: En esta fase se define la arquitectura del sistema y el desarrollo de la herramienta computacional para el AS en español a nivel de aspectos a partir del modelo seleccionado. 216
3 3. RESULTADOS A continuación se muestran los resultados parciales del proyecto descrito anteriormente, específicamente en las dos primeras fases. En la primera fase se tomaron los principales enfoques para detección de aspectos para su posterior análisis. Los enfoques estudiados fueron: sustantivo más frecuente, aspectos a partir de sentimientos, aprendizaje supervisado, modelos de tema y el uso de ontologías. En la Tabla 1. Se muestra los enfoques con su descripción general. Tabla1. Enfoques para la detección de aspectos Enfoque Sustantivo frecuente más Aspectos a partir de sentimientos Aprendizaje supervisado Modelos de tema Ontologías Descripción Esta técnica consiste en hallar expresiones de aspectos explícitas que generalmente son sustantivos, y que tienen un umbral de frecuencia alto, es decir, las personas cuando hablan acerca de una entidad, generalmente tienden a convergir, por lo que esos sustantivos que son mencionado con frecuencia tienden a ser aspectos genuinos e importantes. Busca hallar el aspecto a partir de las palabras de sentimientos. Este busca el sustantivo o sintagma nominal más cercano a la palabra sentimiento y se extrae. Por ejemplo: El software es increíble, la palabra sentimiento es increíble y el sintagma nominal más cerca es software, por lo tanto ese serial el aspecto. Consiste en proveerle al software la información necesaria para la detección de aspectos, usando una técnica de etiquetación de datos, lo cual permitirá organizar unos grupos, con los cuales una vez que ya el software posea dicha data, puede tomar las partes la oración y organizarla por grupo y así lograr detectar el aspecto. Asume que cada texto es una mezcla de temas y que cada tema es una distribución de probabilidad, lo que se genera de este método es un conjunto de grupos con temas y con su distribución de probabilidad, de tal manera que gracias a esta distribución se pueda ubicar las palabras de un texto en un tema que contienen sinónimos de aspectos similares y así poder encontrar el aspecto del texto. Se centra en la adquisición de los términos que representan un dominio a partir de datos, teniendo como objetivo principal crear una jerarquía de conceptos. Busca extraer los conceptos, los distintos términos usados para referirse a un concepto, los diferentes sinónimos de los términos y las relaciones entre los conceptos. De tal manera que al final podamos desglosar la frase y enviarla a la ontología y determinar el aspecto. En la Tabla 2 se muestra las falencias encontradas en cada enfoque. Tabla 2. Falencias encontradas por enfoque Enfoque Sustantivo más frecuente Aspectos a partir de sentimientos Aprendizaje supervisado Falencias Se olvida de aquellos aspectos que no aparecen mucho en el texto. Depende de la detección correcta del sentimiento para poder hallar el aspecto. Se necesitan recursos lingüísticos de sentimientos robustos. Necesita aspectos etiquetados para su entrenamiento con gran participación humana. Modelos de tema La falencia se presenta en la distribución de temas y la concurrencia de palabras. En opiniones sobre un determinado tipo de producto, se convierten en homogéneos, es decir, que se habla en todas partes del texto de opiniones sobre el mismo aspecto, afectando de esta manera la distribución estadística. Ontologías Debe existir una ontología de dominio robusta. En cuanto a la segunda fase se seleccionó el enfoque de detección a partir del análisis de la literatura y falencias encontradas. El enfoque seleccionado fue el uso de Ontologías debido, básicamente, a que los otros enfoques no tienen en cuenta el significado de la característica hallada, siendo está manejada como una extracción ciega que no permite obtener más información pertinente para otros propósitos. Adicionalmente las ontologías ofrecen estructuras semánticas que permiten el hallazgo de características precisas tanto explicitas e implícitas de las entidades de estudio. Al mismo tiempo el análisis de sentimiento se puede hacer en cualquier dominio solo con cambiar la ontología que representa la base de conocimientos de ese dominio Como resultado se obtiene un modelo que combina el procesamiento de lenguaje natural junto con ontologías para la detección de aspectos. Este modelo se basa en tres componentes: Limpieza de texto, análisis morfosintáctico y extracción de aspectos (ver Figura 1). En el primer componente se recibe una opinión y realiza un preprocesamiento para obtener un texto más limpio. Las técnicas de PLN como lematización, segmentación, borrado de stopwords y detección de palabras mal escritas son aplicadas. 217
4 4. Selección de palabras etiquetadas como sustantivo 5. Búsqueda en la ontología en propiedades y relaciones de la misma. 6. Análisis y clasificación de posibles aspectos En la Figura 2 se puede ver la relación existente entre las herramientas seleccionadas y las acciones a desarrollar. Figura1. Modelo ontológico para detección de aspectos. En el segundo componente se realiza un análisis morfológico que busca obtener la categoría gramatical (sustantivo, verbo, adjetivo, adverbio) de cada palabra y luego un análisis sintáctico de dependencias para aprovechar la relaciones inherentes del árbol. En el último componente se detecta las características de una entidad haciendo uso de la ontología. Para esto se debe tener una ontología de dominio que exprese las entidades y sus relaciones. Para detectar los aspectos, solo se tomarán del árbol de dependencias, aquellos que tengan categoría gramatical de sustantivo, y se buscarán las ocurrencias en toda la ontología, específicamente en las relaciones y propiedades. Adicional al modelo propuesto se han establecido las herramientas de apoyo y el proceso lógico (acciones) a seguir para la implementación del modelo que se lleva a cabo en la última fase. En cuanto a las herramientas seleccionadas, se tienen previstas para la limpieza de texto una aplicación propia escrita en Java para retiros de palabras sin sentido (stopwords) y borrado de símbolos. Para detección de palabras mal escritas se utilizará Jhorto 1. Para la lematización y análisis morfosintáctico se usará Freeling 2. Para el manejo y prueba de la ontología se utilizará la herramienta Protege 3. La herramienta principal que integrará todo se realizará en tecnología Java. El proceso lógico que busca la detección de aspectos a partir de un texto escrito en español se realizará de la siguiente manera: 1. Captura de la opinión. 2. Limpieza de texto 3. Análisis morfológico para etiquetar cada una de las palabras Figura2. Herramientas y acciones para implementar modelo. Para comparar, al menos el diseño del modelo, se encontró a [15] que realiza un análisis en texto en tweets en inglés. Este trabajo propone un AS a nivel de documento y no detecta características de una entidad. También encontramos en AS a nivel de documento en [19] que realiza un análisis en el dominio del cine en inglés. Estos dos trabajos difieren en el modelo propuesto en las estructuras gramaticales que se analizan y que el tipo de análisis no es muy profundo. Otro trabajo propuesto en [22] presenta un sistema completo de AS a nivel de aspecto en el dominio de restaurantes en el idioma francés. Este trabajo utiliza las ontologías para detectar las características de una opinión de restaurantes. Las diferencias puntuales con el trabajo de Cadillac y el propuesto se establecen en el análisis de la estructura gramatical (español), la independencia de la detección de los aspectos del sentimiento y la búsqueda heurística de los elementos de la opinión en la ontología. Finalmente se prevé el desarrollo de la última fase para la implementación y validación del modelo en una siguiente etapa en los dominios de hospedaje (hoteles) y entretenimiento (cine). Aun así, se puede señalar que el modelo propuesto será una alternativa fiable para la detección de aspectos con miras al desarrollo de un modelo completo de AS a nivel de aspectos en el idioma español, a partir de lo analizado en la literatura y las mejoras propuestas
5 4. CONCLUSIONES Este artículo muestra el proceso realizado para la selección de un enfoque que permita la detección automática de aspectos de una entidad en español. Como resultado se presenta un modelo ontológico para la detección de aspectos en un texto que será utilizado posteriormente en un sistema para análisis de sentimiento a nivel de aspecto. Se muestra además, los componentes del modelo, las herramientas y acciones necesarias para su implementación. Si bien el modelo no se ha implementado aun, se considera una alternativa viable para la detección de aspectos en el idioma español ya que combina técnicas usadas y comprobadas, como las técnicas de PLN y ontologías, en el ámbito del análisis de sentimientos. 5. BIBLIOGRAFÍA [1] B. Liu, Sentiment Analysis and Opinion Mining, Synthesis Lectures on Human Language Technologies, [2] L. Hurtado y F. Pla, «Análisis de Sentimientos, Detección de Tópicos y Análisis de Sentimientos de Aspectos en Twitter,» de TASS 2014, [3] B. Pang y L. Lee, «Opinion Mining and Sentiment Analysis,» Vols. %1 de %22(1-2), nº 1-135, [4] S. Jiménez, E. Martéınez, M. T. Martíın y L. A. Ureña, «Desafíıos del Anáalisis de Sentimientos,» de timm2014, [5] H. Wang, Y. Lu y C. Zhai, «Latent aspect rating analysis on review text data: a rating regression approach,» de Proceedings of the 16th ACM SIGKDD international conference on Knowledge discovery and data mining. ACM, [6] A. Bagheri, M. Saraee y F. d. Jong, «An Unsupervised Aspect Detection Model for Sentiment Analysis of Reviews,» de Language Processing and Information Systems, Springer Berlin Heidelberg, 2013, pp [7] W. Zhang, H. Xu y W. Wan., «Weakness Finder: Find product weakness from Chinese reviews by using aspects based sentiment analysis.,» Expert Systems with Applications, vol. 39, nº 11, pp , [8] G. Qiu, B. Liu, J. Bu y C. Chen, «Opinion word expansion and target extraction through double propagation,» Computational Linguistics, vol. 37, nº 1, pp. 9-27, [9] A. G. Pablos, M. Cuadros, G. Rigau y S. Gaines, «Unsupervised acquisition of domain aspect terms for Aspect Based Opinion Mining,» Procesamiento del Lenguaje Natural, vol. 53, pp , [10] J. Broß, Aspect-Oriented Sentiment Analysis of Customer Reviews Using Distant Supervision Techniques, Freie Universität Berlin, Germany., [11] D. Marcheggiani, O. Täckström, A. Esuli y F. Sebastiani, «Hierarchical multi-label conditional random fields for aspect-oriented opinion mining.,» de Advances in Information Retrieval, Springer International Publishing, 2014, pp [12] G. Somprasertsri y P. Lalitrojwong, «Automatic product feature extraction from online product reviews using maximum entropy with lexical and syntactic features,» de IEEE International Conference on, [13] J. Steinberger, T. Brychcın y M. Konkol, «Aspectlevel sentiment analysis in czech,» ACL, p. 4, [14] E. Cambria, «An introduction to concept-level sentiment analysis.,» de Advances in Soft Computing and Its Applications, Springer Berlin Heidelberg, 2013, pp [15] E. Kontopoulos, C. Berberidis, T. Dergiades y N. Bassiliadesa, «Ontology-based sentiment analysis of twitter posts,» Expert Systems with Applications, vol. 40, nº 10, p , [16] L. Freitas y R. Vieira, «Ontology based feature level opinion mining for portuguese reviews,» de Proceedings of the 22nd international conference on World Wide Web companion. International World Wide Web Conferences Steering Committee, [17] J. Ruiz-Martínez, R. Valencia-García y F. García- Sánchez, «Semantic-Based Sentiment analysis in financial news,» de Proceedings of the 1st International Workshop on Finance and Economics on the Semantic Web, [18] I. Peñalver-Martinez, F. Garcia-Sanchez, R. Valencia-Garcia, M. Á. Rodríguez-García, V. Moreno, A. Fragab y J. L. Sánchez-Cervantes, «Feature-based opinion mining through ontologies,» Expert Systems with Applications, vol. 41, nº 13, pp , [19] I. Peñalver-Martínez, R. Valencia-García y F. García-Sánchez., «Ontology-guided approach to feature-based opinion mining.,» de Natural Language Processing and Information Systems., Springer Berlin Heidelberg, 2011, pp [20] Studer y v. D. F. Rudi, «Knowledge engineering : principles and methods,» Data & Knowledge engineering, pp ,
6 [21] N. F. Noy y D. L. McGuinness, «Ontology Development 101: A Guide to Creating Your First Ontology,» [22] A. F. B. a. N. A.-G. Cadilhac, «ntolexical resources for feature based opinion mining: a case-study.,» de 23rd International conference on computational linguistics,
Se definen los siguientes objetivos que se extraen de la propuesta anteriormente planteada:
Anexo Introducción Esta herramienta desarrollada junto con toda la información que se ha generado pertenece a un proyecto real. Este desarrollo se incluye en el proyecto MAVSEL (Minería, Análisis y Visualización
Más detallesOntologías en Aplicaciones Web
Ontologías en Aplicaciones Web René Guamán Quinche Hernán Torres Carrión Gilson Saraguro Silva Universidad Nacional de Loja Ontología El término ontología en su connotación informática establece que es
Más detallesTécnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO
Técnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO 2 Objetivo El objetivo principal de las técnicas de clasificación supervisada es obtener un modelo clasificatorio válido para permitir tratar
Más detallesUniversidad Autónoma Metropolitana Unidad Azcapotzalco. División de Ciencias Básicas e Ingeniería. Licenciatura en Ingeniería en Computación
Universidad Autónoma Metropolitana Unidad Azcapotzalco División de Ciencias Básicas e Ingeniería Licenciatura en Ingeniería en Computación Propuesta de Proyecto Terminal Clasificación de servicios web
Más detalles>> Tecnologías clave << Captura de de información. Infraestructura. Técnicas de de Prototipado rápido
es una de diseño e implementación de avanzadas de software de Inteligencia Artificial, desarrollada por ITAINNOVA. Permite resolver diferentes problemáticas de negocio con volúmenes de (BIG DATA). Con
Más detalles4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC:
4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC: A continuación se muestran los objetivos así como los mapas funcionales según la línea de acentuación y la línea
Más detallesUniversidad de la República Facultad de Ingeniería Instituto de Computación. Proyecto de Grado
Universidad de la República Facultad de Ingeniería Instituto de Computación Proyecto de Grado Evolución de sistemas de Web Warehousing guiado por Parámetros de calidad Integrantes Daniela Vila Martín Balestra
Más detallesInteligencia artificial
Inteligencia artificial Proceso de Lenguaje Natural Qué es el Lenguaje? Qué es el Lenguaje Natural? Procesamiento del lenguaje Natural (PLN) Aplicaciones PLN Niveles del Lenguaje Arquitectura de un sistema
Más detallesGrado: 9 UoL_3: Extrayendo información de nuestro entorno: el análisis de tablas y gráficos. LO_4: Construcción del concepto de función Recurso:
Grado 10 Matematicas - Unidad 1 Reconozcamos otras características de la función. Título del objeto Clasificación de funciones relacionados (Pre clase) Grado: 9 UoL_3: Extrayendo información de nuestro
Más detallesSesión 5 Etiquetas de Bloques y Tipos de Información
Sesión 5 Etiquetas de Bloques y Tipos de Información Lección 5.1 Introducción Objetivos de la sesión Esta sesión tiene dos grandes objetivos: En primer lugar, aplicarás las reglas adecuadas para crear
Más detalles3.1. Administración de la medición y de la información estratégica:
Unidad III Aspectos Generales Sobre la Gestión de la Calidad 3.1. Administración de la medición y de la información estratégica: Los siguientes criterios corresponden a la administración de la medición
Más detallesTÉCNICO SUPERIOR UNIVERSITARIO EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN ÁREA SISTEMAS INFORMÁTICOS.
TÉCNICO SUPERIOR UNIVERSITARIO EN TECNOLOGÍAS DE LA INFORMACIÓN Y COMUNICACIÓN ÁREA SISTEMAS INFORMÁTICOS. HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Ingeniería de
Más detallesInvestigación de Mercados. Sesión 1: El proceso de toma de decisiones en la investigación de mercados
de Mercados Sesión 1: El proceso de toma de decisiones en la investigación de mercados El Método de La mercadotecnia, debemos recordarlo, no es una ciencia y tampoco una técnica aunque el nombre nos lo
Más detallesDavid Jordi Vallet Weadon. <david.vallet@uam.es>
David Jordi Vallet Weadon 1 Introducción Durante las últimas décadas, la personalización ha sido aplicada en diferentes campos de la informática, tanto en la rama científica como
Más detallesUML (Lenguaje de Modelado Unificado) y Diagramas de Casos de Uso
UML (Lenguaje de Modelado Unificado) y Diagramas de Casos de Uso Los sistemas orientados a objetos describen las entidades como objetos. Los objetos son parte de un concepto general denominado clases.
Más detallesPrograma de estudios por competencias Licenciatura en Administración
Programa de estudios por competencias Licenciatura en Administración 1. IDENTIFICACIÓN DEL CURSO Centro Universitario: CENTRO UNIVERSITARIO DEL NORTE Departamento: FUNDAMENTOS DEL CONOCIMIENTO Academia:
Más detallesRequerimientos de Software
Requerimientos de Software Ingeniería de Requerimientos Se define como el proceso de establecer los servicios que el consumidor requiere de un sistema y las restricciones sobre las cuales de funcionar
Más detallesEnlace del Plan de Auditoría con los Riesgos y Exposiciones
Enlace del Plan de Auditoría con los Riesgos y Exposiciones Estándar principalmente relacionado: 2320 Análisis y Evaluación Los auditores internos deben basar sus conclusiones y los resultados del trabajo
Más detallesINSTITUCIÓN EDUCATIVA SAN VICENTE DE PAÚL ANÁLISIS RESULTADOS PRUEBAS SABER 3, 5 Y
INSTITUCIÓN EDUCATIVA SAN VICENTE DE PAÚL ANÁLISIS RESULTADOS PRUEBAS SABER 3, 5 Y 9 2015 RESULTADOS DE TERCER GRADO EN EL ÁREA DE LENGUAJE Comparación de porcentajes según niveles de desempeño por año
Más detallesLECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA: DEFINICION Y CLASIFICACION
LECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA: DEFINICION Y CLASIFICACION 1. DEFINICION La estadística es una ciencia que proporciona un conjunto métodos
Más detallesDepartamento: Ingeniería en Sistemas de Información. Carrera: Tecnicatura Superior en Programación. Cátedra: Inglés I Primer año.
PROGRAMA 1) OBJETIVOS DE LA ASIGNATURA (i) Generales Desarrollar estrategias de comprensión lectora para que los futuros técnicos puedan abordar textos de su área de especialidad en forma autónoma. Reflexionar
Más detalles2.5.1. Procesamiento de documentos XML.
2.5.1. Procesamiento de documentos XML. Un analizador o parser XML es una herramienta encargada de leer documentos XML [17], poder acceder a sus elementos y comprobar si el documento es sintácticamente
Más detallesEspecialidades en GII-TI
Especialidades en GII-TI José Luis Ruiz Reina (coordinador) Escuela Técnica Superior de Ingeniería Informática Mayo 2014 Qué especialidades tiene la Ingeniería Informática? Según las asociaciones científicas
Más detallesESTRATEGIAS DE BÚSQUEDA DE INFORMACIÓN
ESTRATEGIAS DE BÚSQUEDA DE INFORMACIÓN biblioteca@unitec.edu 2868-1093, 1091 1. ESTRATEGIAS DE BÚSQUEDA DE INFORMACIÓN Antes de iniciar una búsqueda, debe planificar su estrategia de búsqueda. Este proceso
Más detallesBibliografía Anotada
Maestría en Ingeniería de Sistemas y Computación Universidad Nacional de Colombia Bogotá D.C. June 2, 2006 Contenido Tema Amplio 1 Tema Amplio 2 3 4 5 Tema Tema Amplio Extracción de información y obtención
Más detallesIdentificación de polaridad en textos en español basada en la creación de un léxico afectivo
Centro Nacional de Investigación y Desarrollo Tecnológico Identificación de polaridad en textos en español basada en la creación de un léxico afectivo Ponente: Yolanda Raquel Baca Gómez Dra. Alicia Martínez
Más detallesCapítulo 5. Conclusiones
Capítulo 5 Conclusiones 5.1 Presentación del capítulo En este capítulo se exponen los resultados del análisis de las construcciones con ser y estar identificadas en un corpus sincrónico, oral, de la variedad
Más detallesSESIÓN 6 INTRODUCCIÓN A POWER POINT
SESIÓN 6 INTRODUCCIÓN A POWER POINT I. CONTENIDOS: 1. Barra de título. 2. Barra de estado. 3. Barra de desplazamiento. 4. Barra de menús. 5. Barra de herramientas. 6. Opciones de visualización en Power
Más detallesLicense Plate Detection using Neural Networks
License Plate Detection using Neural Networks Luis Carrera, Marco Mora Les Fous du Pixel Image Processing Research Group Department of Computer Science Catholic University of Maule http://www.lfdp-iprg.net
Más detallesIngeniería de Requerimientos. requiere de un Sistema de Software.
Ingeniería de uestableciendo lo que el cliente requiere de un Sistema de Software. Ian Sommerville 1995 Ingeniería de Software, 5a. edición Capitulo 4 Diapositiva 1 Objetivos u Introducción a la Noción
Más detallesCARRERA DE INGENIERÍA CIVIL EN INFORMÁTICA COMPETENCIAS ESPECÍFICAS Y SUS NIVELES DE DOMINIO
CARRERA DE INGENIERÍA CIVIL EN INFORMÁTICA COMPETENCIAS ESPECÍFICAS Y SUS NIVELES DE DOMINIO Responsables Prof. Oriel Herrera Gamboa Prof. Marcela Schindler Nualart Prof. Gustavo Donoso Montoya Prof. Alejandro
Más detallesPamplona, noviembre de Ing. M.Sc. José Manuel Ramírez Quintero
Pamplona, noviembre de 2014 Ing. M.Sc. José Manuel Ramírez Quintero Introducción El modelo integral CMD, siglas de (Confiabilidad, Mantenibilidad y Disponibilidad), es una herramienta útil para la predicción
Más detallesMETODOLOGIA DE LA INVESTIGACION II INTRODUCCION
Escuela Administración de Empresas METODOLOGIA DE LA INVESTIGACION II INTRODUCCION Prof. Beatriz Saldaña J. 7º Semestre GRAFICO DE CONCEPTUALIZACION CONOCER TEORÍA MÉTODO METODOLOGÍA OBJETO CONCEPTUALIZACION
Más detallesCAPITULO III Metodología
CAPITULO III Metodología 3.1 Investigación de mercados Al desarrollar el presente Plan de Negocios para llevar a cabo el establecimiento del DAY SPA en la Cd. de Veracruz, es necesario realizar una investigación
Más detallesINSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 29 de Abril de 2016
ANEXO ESTADÍSTICO 1 : COEFICIENTES DE VARIACIÓN Y ERROR ASOCIADO AL ESTIMADOR ENCUESTA NACIONAL DE EMPLEO (ENE) INSTITUTO NACIONAL DE ESTADÍSTICAS (INE) 9 de Abril de 016 1 Este anexo estadístico es una
Más detallesTemas de Reflexión en el
Temas de Reflexión en el CUADERNO DE TRABAJO. Humberto Cueva G. Temas de Reflexión El objetivo de los Temas de Reflexión es proporcionar herramientas conceptuales para que los estudiantes alcancen una
Más detallesConceptos Básicos de Ingeniería del Software
Conceptos Básicos de Ingeniería del 24/09/2013 de Conceptos Básicos de Ingeniería del Grupo de Ingeniería del y Bases de Datos Departamento de Lenguajes y Sistemas Informáticos Universidad de Sevilla septiembre
Más detallesBASES DE DATOS. Biblioteca Virgilio Dávila. Agosto, 2010.
BASES DE DATOS Biblioteca Virgilio Dávila Agosto, 2010. Introducción Presentamos a continuación la forma de hacer una búsqueda utilizando las bases de datos en línea. Hacer la búsqueda de un tema es un
Más detallesCompetencia Comunicativa y tipos de textos. Aníbal D. Guerra, Daniel E. Piñerez, Julio C. Castellanos. Universidad Cooperativa de Colombia
Competencia Comunicativa y tipos de textos Aníbal D. Guerra, Daniel E. Piñerez, Julio C. Castellanos Universidad Cooperativa de Colombia Edna Esteban Métodos y Técnicas de Estudio Febrero 11, 2015 Introducción
Más detallesConceptos básicos de bases de datos
Conceptos básicos de bases de datos 1.1 Definición de base de datos Una base de datos es una colección de archivos relacionados que permite el manejo de la información de alguna compañía. Cada uno de dichos
Más detallesSistemas de información Administrativa II
Sistemas de información Administrativa II UNIDAD 1 MSI. José Luis Llamas Cárdenas Ciclo de Vida Proceso de todo sistema de información Sistemas de Información El sistema informativo esta comprendido por
Más detallesUNIVERSIDAD AUTÓNOMA DE CHIAPAS LICENCIATURA EN SISTEMAS COMPUTACIONALES
UNIVERSIDAD AUTÓNOMA DE CHIAPAS LICENCIATURA EN SISTEMAS COMPUTACIONALES Área de formación: Disciplinaria Unidad académica: Programación Orientada a Objetos Ubicación: Cuarto Semestre Clave: 2087 Horas
Más detalles4.2 ACTIVIDAD DE APRENDIZAJE 4.2: Diseñar el modelo relacional de la base de datos del sistema Descripción de la AA4.2:
4.2 ACTIVIDAD DE APRENDIZAJE 4.2: Diseñar el modelo relacional de la base de datos del sistema. 4.2.1 la AA4.2: Nombre de la Actividad de Aprendizaje 4.2: Resultado de aprendizaje relacionado al desarrollo
Más detalles2. METODOLOGÍA. Los tipos fundamentales de Estudios de Investigación, como nos recuerda Bavaresco, son cuatro:
2. METODOLOGÍA Para llevar a cabo este estudio es necesario utilizar una metodología de investigación, debido a que el no contar con los métodos y técnicas necesarias que nos guíen a través de una investigación
Más detallesMEMORIAS SEMANA DE LA FACULTAD DE ARQUITECTURA E INGENIERÍA
MEMORIAS SEMANA DE LA FACULTAD DE 5a Muestra de producciones académicas e investigativas de los programas de Construcciones Civiles, Ingeniería Ambiental, Arquitectura y Tecnología en Delineantes de Arquitectura
Más detallesDIPLOMADO. Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N.
DIPLOMADO Evaluación de la Calidad de la práctica docente para la implementación del Nuevo Modelo Educativo en Escuelas de Ingeniería del I.P.N. Trabajo Final Propuesta Metodológica del área de Ciencias
Más detallesElementos para la estimación de una tabla de mortalidad de inválidos
Elementos para la estimación de una tabla de mortalidad de inválidos La Superintendencia Financiera de Colombia (SFC) ha presentado para comentarios el proyecto de actualización de la tabla de mortalidad
Más detallesOrdenador local + Servidor Remoto
Introducción Saber situarse con exactitud en el árbol de servidores, discos y directorios del ordenador que se está usando Conocer los usos básicos del teclado y el ratón (edición de campos texto, escritura
Más detallesDe Desempeño De Conocimiento SABERES ESENCIALES CONTENIDOS RUTA FORMATIVA Saber Conocer Nociones, Proposiciones, Conceptos Categorías
Facultad Programa Académico Nombre Del Curso Administración e Ingenierias Ingenieria De Sistemas ANÁLISIS DE SISTEMAS Problema? Competencia específica Criterios de Desempeño Saber conocer Saber Ser Saber
Más detallesESCUELA SUPERIOR POLITECNICA DEL LITORAL
Sistemas de Toma de Decisiones UNIDAD ACADÉMICA: CARRERA: ESPECIALIZACIÓN: ÁREA: TIPO DE MATERIA: EJE DE FORMACIÓN: Facultad de Ingeniería en Electricidad y Computación Ingeniería en Ciencias Computacionales
Más detallesCARRERA DE CIECNIAS DE LA COMPUTACIÓN PROGRAMA DE ESTUDIO. Teóricos: 2 Práctico: 1 Total 3
ARQUITECTURA DE COMPUTADORES CÓDIGO Y CCO301 Total 3 Las matemática aplicada a la computación es el modelado, simulación y optimización de procesos o fenómenos, para procesos complejos, costosos, riesgosos,
Más detallesProceso de Investigación y Modelo Integral
Proceso de Investigación y Modelo Integral Metodología de la Investigación 1 Temas Definición de Investigación Investigación Cuantitativa Investigación Cualitativa Modelo Integral Modelo de dos etapas.
Más detallesÍNDICE DE CONTENIDOS. sistema Los Subsistemas de la Empresa El entorno empresarial Funciones Directivas LA EMPRESA COMO SISTEMA. FUNCIONES DIRECTIVAS
ÍNDICE DE CONTENIDOS 1 2 3 4 5 6 Concepto y Propiedades de los Sistemas Tipología de los Sistemas Elementos Conceptuales de la empresa como sistema El entorno empresarial Funciones Directivas 1 Concepto
Más detallesLos Gráficos. Que son? Cuales son los tipos que conoces. Cual es su relación con la estadística?
Los Gráficos Que son? Cual es su relación con la estadística? Que factores se deben considerar para leerlos correctament e? Cuales son los tipos que conoces La representación grafica de datos sobre un
Más detallesACTIVIDAD: Control de Lectura # 1: Benchmarking para Competir con Ventaja Por: Roberto J. Boxwell. MATERIA: Ingeniería de Software.
UNIVERSIDAD DON BOSCO FACULTAD DE INGENIERIA ESCUELA DE COMPUTACION CICLO II/2008 ACTIVIDAD: Control de Lectura # 1: Benchmarking para Competir con Ventaja Por: Roberto J. Boxwell MATERIA: Ingeniería de
Más detallesGeneXus: Filosofía. Preparado por Breogán Gonda y Nicolás Jodal
Preparado por Breogán Gonda y Nicolás Jodal Última actualización: 2012 Copyright Artech Consultores S. R. L. 1988-2012. Todos los derechos reservados. Este documento no puede ser reproducido en cualquier
Más detallesGestion y Modelación de Datos Introducción
Gestion y Modelación de Datos Introducción Julio de 2011 Contenido Gestión y Modelación de Datos Descripción del Curso Bases de Datos Definición - Funcionalidades Modelos de Datos DDLs, DMLs Descripción
Más detallesDepartamento de Educación Gobierno de Navarra Plan institucional de mejora de la lectura.
EJEMPLOS DE PREGUNTAS PARA LA EVALUACIÓN DE LA COMPRENSIÓN LECTORA 21 Proceso En qué consiste este proceso Ejemplos de tipos de preguntas Búsqueda de información A veces, leemos para identificar y recuperar
Más detallesEl Modelo Relacional. Carlos A. Olarte BDI
Carlos A. Olarte (carlosolarte@puj.edu.co) BDI Introducción Propuesto por Edgar Codd en 1970. (Turing Award 1981) En este modelo se basan la mayoría de DBMS modernos. Modelo simple basado en teoría de
Más detallesUNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERÍA. práctica, Total: 85 Horas a la semana: 5 teoría: 4 prácticas: 1 Créditos:
UNIVERSIDAD AUTÓNOMA DE QUERÉTARO FACULTAD DE INGENIERÍA Probabilidad y Estadística 18/01/10 Clave: 214 Semestre: 1 Duración del curso: semanas: 17 horas: 68 de teoría y 17 de práctica, Total: 85 Horas
Más detallesINGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN
INGENIERÍA EN TECNOLOGÍAS DE LA INFORMACIÓN HOJA DE ASIGNATURA CON DESGLOSE DE UNIDADES TEMÁTICAS 1. Nombre de la asignatura Modelado de Procesos de Negocios 2. Competencias Dirigir proyectos de tecnologías
Más detallesVersión: 01. Fecha: 01/04/2013. Código: F004-P006-GFPI GUÍA DE APRENDIZAJE Nº 1. IDENTIFICACIÓN DE LA GUIA DE APRENDIZAJE. Programa de Formación:
SERVICIO NACIONAL DE APRENDIZAJE SENA GUÍA DE APRENDIZAJE SISTEMA INTEGRADO DE GESTIÓN Proceso Gestión de la Formación Profesional Integral Procedimiento Ejecución de la Formación Profesional Integral
Más detallesESTRUCTURACION DEL PROGRAMA DE ASIGNATURA 1. INFORMACION GENERAL
ESTRUCTURACION DEL PROGRAMA DE ASIGNATURA 1. INFORMACION GENERAL Facultad o Centro: Educación e Idiomas Plan de Estudio. 1999 Carrera: Informática Educativa Mención y Orientación: Licenciatura en Informática
Más detallesUNIVERSIDAD AUTÓNOMA DE SANTO DOMINGO VICERRECTORIA DE INVESTIGACIÓN Y POSTGRADO DIRECCIÓN DE INVESTIGACIONES CIENTÍFICAS VIP-F-002
Facultad: UNIVERSIDAD AUTÓNOMA DE SANTO DOMINGO VICERRECTORIA DE INVESTIGACIÓN Y POSTGRADO DIRECCIÓN DE INVESTIGACIONES CIENTÍFICAS VIP-F-002 -Formulario de Presentación de Proyectos de Investigación-
Más detallesPROGRAMA DE CURSO. Código Nombre CC5502 Geometría Computacional Nombre en Inglés Computational Geometry SCT Auxiliar. Personal
PROGRAMA DE CURSO Código Nombre CC5502 Geometría Computacional Nombre en Inglés Computational Geometry SCT es Horas de Horas Docencia Horas de Trabajo Docentes Cátedra Auxiliar Personal 6 10 3 0 7 Requisitos
Más detallesDEPARTAMENTO DE ORGANIZACIÓN INDUSTRIAL Y GESTIÓN DE EMPRESAS ESCUELA SUPERIOR DE INGENIEROS DE LA UNIVERSIDAD DE SEVILLA
6. CONCLUSIONES 6.1. Introducción En este trabajo se ha intentado realizar un estudio suficientemente exhaustivo, que pudiera recopilar los métodos y técnicas más relevantes en la gestión de proyectos
Más detallesFUENTES PRIMARIAS (O DIRECTAS)
FUENTES PRIMARIAS (O DIRECTAS) Son los datos obtenidos "de primera mano", por el propio investigador; es aquella que provee un testimonio o evidencia directa sobre el tema de investigación. Las fuentes
Más detallesc). Conceptos. Son los grupos o conceptos que se enlistan en las filas de la izquierda de la tabla
Tema 5. Tablas estadísticas Como ya se había establecido en el tema anterior sobre el uso de las tablas estadísticas, éstas son medios que utiliza la estadística descriptiva o deductiva para la presentación
Más detalles3 er Grado Guía para los Padres /Terceras Nueve Semanas - 3 rd Grade Parent Guide Third Nine Weeks
Estas nueve semanas amplian los conocimientos y conceptos aprendidos en las nueve semanas previas. Los estudiantes van a evaluar los puntos de vista del orador, del autor y de ellos mismos. Los estudiantes
Más detallesCompetencias, habilidades, conocimientos, actitudes y valores que los estudiantes de un programa de posgrado deben reunir al concluir sus estudios.
1.4 PERFIL DE EGRESO: Competencias, habilidades, conocimientos, actitudes y valores que los estudiantes de un programa de posgrado deben reunir al concluir sus estudios. El objetivo de la Maestría en Ciencias
Más detallesLECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA Y CLASIFICACION
LECTURA 01: LA ESTADÍSTICA. TÉRMINOS DE ESTADÍSTICA. RECOLECCIÓN DE DATOS TEMA 1: LA ESTADISTICA Y CLASIFICACION 1. LA ESTADÍSTICA La estadística es una ciencia que proporciona un conjunto métodos y técnicas
Más detallesSERVICIO NACIONAL DE APRENDIZAJE SENA SISTEMA INTEGRADO DE GESTIÓN Procedimiento Ejecución de la Formación Profesional Integral GUÍA DE APRENDIZAJE
Nº 1 1. IDENTIFICACIÓN DE LA GUIA DE APRENDIZAJE Programa de Formación: Técnico en programación de software Nombre del Proyecto: Sistema de información para la gestión empresarial Fase del proyecto: FASE
Más detallesAnexo 10. Pruebas verificadas
1 Anexo 10. Pruebas verificadas Introducción El proceso de pruebas inició con una revisión conceptual para la identificación de las pruebas por realizar, a partir de las características del proyecto. En
Más detallesMétodos de Investigación e Innovación -Metodologías de Investigación-
1 Sesión 2 Métodos de Investigación e Innovación -Metodologías de Investigación- Dr. Hugo Terashima M. 25 de Enero de 2008 2 Page 1 Contenido de la Sesión Metodologías de Investigación Mapa conceptual
Más detallesAdministración Informática. Unidad I. Tipos de sistemas y su clasificación A) Sistemas de información.
UNIVERSIDAD NACIONALDE INGENIERÁ UNI NORTE SEDE REGIONAL EN ETELI Ing. Mario Pastrana Moreno. Unidad I. Tipos de sistemas y su clasificación 10-09-2010 Administración Informática A) Sistemas de información.
Más detallesBreve introducción a la Investigación de Operaciones
Breve introducción a la Investigación de Operaciones Un poco de Historia Se inicia desde la revolución industrial, usualmente se dice que fue a partir de la segunda Guerra Mundial. La investigación de
Más detallesMinería Multimedia Minería de datos NO estructurados (Textos, Imágenes, Audios y Videos)
Minería Multimedia Minería de datos NO estructurados (Tetos, Imágenes, Audios y Videos) Ana Isabel Oviedo Docente Universidad Pontificia Bolivariana ana.oviedo@upb.edu.co Medellín, noviembre 13 de 2014
Más detallesLIC. EN ADMINISTRACION (ENFASIS PERSONAL) PRONOSTICO DE LAS NECESIDADES DE RECURSOS HUMANOS L.A.E. JOSE SAGAON VILLEGAS
ÁREA ACADÉMICA: TEMA: LIC. EN ADMINISTRACION (ENFASIS PERSONAL) PROFESOR: PRONOSTICO DE LAS NECESIDADES DE RECURSOS HUMANOS L.A.E. JOSE SAGAON VILLEGAS PERIODO: JULIO- DICIEMBRE 2011 KEYWORDS: NUMBER,
Más detallesPROYECTO GRUPAL. GUIA DE LA ACTIVIDAD DE TRABAJO COLABORATIVO Muestreo y Estimación de Parámetros METODOLOGÍA. Procedimiento:
PROYECTO GRUPAL GUIA DE LA ACTIVIDAD DE TRABAJO COLABORATIVO Muestreo y Estimación de Parámetros Respetados Estudiantes, A continuación se dan las instrucciones necesarias para su participación en la actividad
Más detallesSECUENCIA DIDÁCTICA. Módulo IV
SECUENCIA DIDÁCTICA Nombre de curso: Simulación de Sistemas Antecedente: Clave de curso: ECOM118 Clave de antecedente: Ninguna. Módulo IV Competencia de Módulo: Desarrollar programas de cómputo utilizando
Más detallesGuía para redactar una monografía. Por: Socorro Sánchez Bibliotecaria Programa de Instrucción al Usuario
Guía para redactar una monografía Por: Socorro Sánchez Bibliotecaria Programa de Instrucción al Usuario Una monografía es Un trabajo escrito sobre un tema aplicando la metodología de la investigación y
Más detallesLA JUSTIFICACIÓN Y LOS ANTECEDENTES DE LA INVESTIGACIÓN
LA JUSTIFICACIÓN Y LOS ANTECEDENTES DE LA INVESTIGACIÓN La investigación es un proceso que se inicia con el planteamiento de un problema que requiere solución, y para encontrarla el investigador tiene
Más detallesPLANEACION ESTRATEGICA
PLANEACION ESTRATEGICA EJERCITAR (Cuaderno de Trabajo) BIENVENIDO Te doy la más cordial bienvenida a PLANEACION ESTRATEGICA. Recuerda, las 4 etapas para desarrollar una MAXIMA HABILIDAD DIRECTIVA son:
Más detallesSe realizarán 10 preguntas, valoradas con un punto cada una.
ASIGNATURA: ÁMBITO DE COMUNICACIÓN NIVEL: 1º PCE Las reglas generales de ortografía. Diptongos, triptongos e hiatos. La tilde diacrítica. El resumen. Los elementos de comunicación. Composición de palabras:
Más detallesMicro y Macroeconomía
Micro y Macroeconomía 1 Sesión No. 6 Nombre: Teoría del consumidor Contextualización: La microeconomía como herramienta de análisis nos permite el poder comprender el comportamiento de las personas en
Más detallesNUEVAS TECNOLOGÍAS APLICADAS A LA EDUCACIÓN. MICROSOFT OFFICE: WORD, POWERPOINT Y EXCEL.
NUEVAS TECNOLOGÍAS APLICADAS A LA EDUCACIÓN. MICROSOFT OFFICE: WORD, POWERPOINT Y EXCEL. Autora: Celia Marcos Pascual 1. Información 2. Microsoft Word 3. Microsoft Excel 4. Microsoft PowerPoint Agenda
Más detallesDISTRIBUCIÓN HORARIA DE LA ASIGNATURA SEGÚN NORMATIVA
Pag. 1 de 6 GUÍA DOCENTE CURSO: 2015-16 DATOS BÁSICOS DE LA ASIGNATURA Asignatura: Fundamentos de Lingüística General Código de asignatura: 12101101 Plan: Grado en Filología Hispánica (Plan 2010) Año académico:
Más detallesProcesadores de lenguaje Tema 6 La tabla de símbolos
Procesadores de lenguaje Tema 6 La tabla de símbolos Departamento de Ciencias de la Computación Universidad de Alcalá Resumen La tabla de símbolos. Requerimientos de información. Diseño de la tabla de
Más detallesNombre de la asignatura: Investigación de Operaciones II. Créditos: Aportación al perfil
Nombre de la asignatura: Investigación de Operaciones II Créditos: 2-2-4 Aportación al perfil Analizar, diseñar y gestionar sistemas productivos desde la provisión de insumos hasta la entrega de bienes
Más detallesComo prerrequisitos son necesarios los conocimientos básicos de:
Nombre de la asignatura: Mercadotecnia Créditos: 2-2 - 4 Aportación al perfil Identificar productos de alto valor agregado y contribuir a la creación de nuevas empresas basado en los principios de competitividad
Más detallesEXPANSIÓN DE CONSULTAS BASADA EN ONTOLOGÍAS PARA UN SISTEMA DE RECUPERACIÓN DE INFORMACIÓN
EXPANSIÓN DE CONSULTAS BASADA EN ONTOLOGÍAS PARA UN SISTEMA DE RECUPERACIÓN DE INFORMACIÓN H. Kuna 1, M. Rey 1, L. Podkowa 1, E. Martini 1, L. Solonezen 1 1. Programa de investigación en Computación. Depto.
Más detallesFifth Grade/Quinto Grado Report Card Details Informe Información de la Tarjeta
Fifth Grade/Quinto Grado Report Card Details Informe Información de la Tarjeta Este trimestre se centra en las siguientes normas: ENGLISH/LANGUAGE ARTS/INGLÉS ARTES Estándares Estatales Comunes: Reading
Más detallesPRACTICA PSICOLOGICA IV
FACULTAD DE PSICOLOGÍA, U. A. N. L. Programa Académico de la Licenciatura en Psicología PRACTICA PSICOLOGICA IV Elaboró: Revisó: Autorizó: Macias Núñez Nora Isela Lic Méndez Hinojosa Luz Marina Lic. Rosales
Más detallesIntroducción a la programación
Introducción a la programación Conceptos Básicos El objetivo fundamental de éste curso es enseñar a resolver problemas mediante una computadora. El programador de computadoras es antes que nada una persona
Más detallesMapa conceptual (concepto)
Los Mapas Conceptuales Mónica Henao Cálad, Ph.D. 1 1 Mapa conceptual (concepto) Recurso esquemático y gráfico para representar el conocimiento Representación de relaciones significativas entre conceptos
Más detallesProyecto Multimedia. Elio Sancristóbal Ruiz
Proyecto Multimedia Elio Sancristóbal Ruiz Índice Áreas que participan en un proyecto multimedia. Área de redacción Área de producción Área técnica Área artística Máster en Ingeniería de la Web 2 Área
Más detallesMICROSOFT PROJECT 2010
MICROSOFT PROJECT 2010 METODOLOGÍA DE LOS CURSOS Cursos interactivos sobre materias especializadas en los que el alumno avanza de forma guiada bajo una concepción learning by doing (aprender haciendo).
Más detallesESTADISTICA. Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos:
ESTADISTICA Tradicionalmente la aplicación del término estadística se ha utilizado en tres ámbitos: a) Estadística como enumeración de datos. b) Estadística como descripción, es decir, a través de un análisis
Más detalles