11 mayo, 2017

Coloquio 12 de mayo DCC UC

Código binario-edit

El Departamento de Ciencia de la Computación UC (DCC UC) tiene el agrado de invitar para este viernes 12 de mayo, de 11:30 a 13:00 horas, a un coloquio con dos presentaciones: “Decomposed conformance checking for the Big Data era” y “A learning analytics approach to understand and enhance capstone project-based learning experiences for Computing Majors”, con los estudiantes de postgrado del Departamento de Ciencia de la Computación de Ingeniería UC, Jonathan WAI LEE y Juan Diego Díaz Mosquera.

Lugar: Sala Javier Pinto, campus San Joaquín, edificio San Agustín 4to. piso.

Detalle de las exposiciones

1. Título

“Decomposed conformance checking for the Big Data era”

Resumen

Los procesos están por todas partes. Se puede definir un proceso como un conjunto de actividades que ocurren en el tiempo y están relacionadas por un objetivo común. En particular, podemos encontrar procesos en empresas, universidades y otros institutos. Muchas organizaciones documentan sus procesos utilizando modelos de procesos y además utilizan los modelos para gestionar sus procesos de negocio. Por otra parte, organizaciones están utilizando sistemas de información para apoyar sus procesos. Esto significa que se puede extraer los datos del evento (lo que ocurrió y cuándo) desde los sistemas de información.

La Minería de Procesos utiliza estos datos pra “descubrir, monitorear y mejorar procesos reales”. Una aplicación es alinear la realidad observada por los datos de eventos con la ruta más cercana y permitida por el modelo. Esto nos permite comprobar si “lo que creemos que está sucediendo” coincide con “lo que realmente está pasando” y si no, localizar donde están las desviaciones.

Sin embargo, técnicas de alineación (alignment-based conformance checking) requieren mucho tiempo cuando son aplicadas a procesos grandes y/o complejos. Por esta razón, investigadores han puesto su esfuerzo para adaptar la técnica a un nivel descompuesto donde se descompone el problema principal en subproblemas más pequeños que son fáciles de resolver e interpretar. Este estudio contribuye a este esfuerzo con:

1. definiciones de descomposición y recomposición con garantías para preservar cualidades de conformidad,
2. estrategias de dividir y conquistar para mejorar el tiempo de ejecución,
3. métricas de conformidad y estrategias de descomposición para mejorar el rendimiento y la interpretabilidad de las estrategias y
4. extensión a otras notaciones de modelos de procesos y a modelos de proceso con datos.
Los resultados preliminares han mostrado que nuestras nuevas estrategias de recomposición pueden reducir el tiempo de ejecución con más que un orden de magnitud mientras conservando propiedades de conformidad.

Abstract

Processes are everywhere. A process can be defined as a set of activities that occur over time and are related by a common goal. In particular, we can find processes in companies, universities and other institutes.
Most organizations document their processes using process models and for many, process models are directly used to manage their business processes. Moreover, organizations are adopting information systems to support their processes. This means that event data (what happened and when) recorded at information systems can be extracted.
Process mining uses these event data to “discover, monitor and improve real processes”. One application is to align the reality as observed in the event data with the closest matching path permitted by the model. This allows us to check whether if “what we think is happening” matches up with “what really is happening” and if not, pinpoint where the discrepancies are.

However, alignment-based conformance checking is a time-consuming task when applied to large and/or complex processes. For this reason, researchers have been putting in the effort to adapt the technique to a decomposed setting where the main problem is broken down into smaller subproblems which are easier to solve and interpret. This study contributes to this effort by,
1. formalizing decomposition and recomposition definitions with guarantees to preserve conformance qualities,
2. designing divide-and-conquer strategies to improve the performance time,
3. introducing conformance metrics and decomposition approaches to improve both the performance and interpretability of the strategies, and
4. extending to different process modeling notations and data-aware process models.
Preliminary results have shown that our new recomposition strategies can reduce execution times by more than one order of magnitude while preserving conformance properties.

Expositor

Jonathan WAI LEE, Profesor Supervisor: Jorge Muñoz-Gama

2. Título

“A learning analytics approach to understand and enhance capstone project-based learning experiences for Computing Majors”

Resumen

Los cursos capstone basados en proyectos ofrecen un ambiente favorable para el desarrollo de las habilidades de los estudiantiles a través de un enfoque que incorpora componentes teóricos y prácticos. No obstante, es difícil usualmente lograr un entendimiento apropiado de las experiencias de trabajo y aprendizaje de los estudiantes en estos cursos. La ausencia de herramientas adecuadas para abordar este problema junto con las limitaciones de tiempo suele impedir que los equipos académicos implementen mejores estrategias de enseñanza y aprendizaje.

En este trabajo se presenta una implementación probada de un marco de trabajo para cursos capstone en conjunto con una herramienta de software educativa, denominada SmartBoard, para apoyar y asegurar el cumplimiento adecuado de la mayoría de las necesidades académicas y de ingeniería. Por otro lado, proponemos un enfoque de analiticas de aprendizaje usando visualizaciones de trabajo en equipo, análisis de los grupos de proyectos usando tecnicas de ciencia de datos y un motor crowdsourcing de recomendaciones de recursos en ingeniería de software. El enfoque anteriormente mencionado busca el entendimiento y mejora de las experiencias de aprendizaje de los cursos capstone basados en proyectos para majors en computación.

Abstract

Capstone project-based courses offer a favorable environment for the development of student skills through an approach incorporating theoretical and practical components. However, it is often difficult to achieve an appropriate understanding of the students’ working and learning experiences in these courses. The absence of suitable tools for addressing this issue along with time constraints usually prevents academic teams to implement better teaching and learning strategies.

In this work we introduce a proven framework implementation for capstone courses in conjunction with an educational software tool, called SmartBoard, to support and ensure the proper fulfillment of most academic and engineering needs. On the other hand, we propose a learning analytics approach using teamworking visualizations, analysis of the project groups using Data Science techniques and a crowdsourcing recommender engine of software engineering resources. The aforementioned approach seeks the understanding and improvement of capstone project-based learning experiences for computing majors.

Expositor

Juan Diego Diaz Mosquera, estudiante de magister, Escuela de Ingeniería UC. Profesor supervisor: Andrés Neyem.