Agenda

Inici: 11:30:00
Final: 13:00:00

Defensa Tesi DI: David Sánchez, CA Technologies - UPC

Autor: SÁNCHEZ CHARLES, DAVID
Tesi completa: (contacteu amb l'Escola de Doctorat per confirmar que sou un doctor acreditat i obtenir l'enllaç a la tesi)
Programa: COMPUTACIÓ
Departament: Departament de Ciències de la Computació (CS)
Modalitat: Normal
Data de dipòsit: 10/07/2017
Data de lectura: 18/09/2017
Hora de lectura: 11:30
Lloc de lectura: UPC - Campus Nord - Edifici B6 - Sala de Juntes
Director de tesi: CARMONA VARGAS, JOSEP | MUNTÉS MULERO, VICTOR
Tribunal: 
     PRESIDENT: LA ROSA, MARCELLO
     SECRETARI: TENIENTE LOPEZ, ERNEST
     VOCAL: LAMA PENÍN, MANUEL
Resum de tesi: Crowdsourcing, el arte de involucrar diferentes individuos en la ejecución descentralizada de tareas tradicionalmente ejecutadas en empresas, se está posicionando como un sustituto del outsourcing, ya que acerca toda una fuerza de trabajado solo cuando sea necesario para la empresa. Sin embargo, la adopción entre la industria es todavía muy bajo, debido a que las tecnologías que soportan el Crowdsourcing son todavía poco maduras y, especialmente, debido a los pobres mecanismos existentes para monitorización de la ejecución de tareas en una plataforma de Crowdsourcing. En esta tesis, planteamos una serie de avances para crear mecanismos de control más eficientes basados parcialmente en el modelaje de comportamiento humano. Formalizar las tareas que se deben realizar para la resolución de un problema es un paso esencial para monitorizar la calidad del trabajo y para el estudio de posibles mejoras. Sin embargo, la literatura no ha encontrado un mecanismo eficaz para definir procesos empresariales capaces de adaptarse a las necesidades del Crowdsourcing. Por lo tanto, esta tesis empieza introduciendo un lenguaje capaz de definir procesos donde se tienen en cuenta requerimientos complejos sobre los trabajadores remotos, al mismo tiempo que permite evaluar los mecanismos de control de calidad implementados con un simple vistazo. En aquellos casos en los que no se define procesos formales, pero se deja que los trabajadores remotos se organicen para la resolución del problema, hemos dado los primeros pasos para el descubrimiento de procesos analizando el trabajo que se realiza en la plataforma de Crowdsourcing. Asumiendo que todos los pasos ejecutados en la plataforma tienen algún tipo de descripción textual del trabajo hecho, proponemos el uso de técnicas actuales de procesamiento de lenguaje natural para generar grupos de actividades similar que nos permite realizar analíticas sobre los procesos ocultos y, por lo tanto, un mejor monitorizaje del trabajo hecho por los trabajadores remotos. Para modelar el comportamiento humano en la plataforma de crowdsourcing, empezamos estudiando un patrón común que extendemos para permitir medir la eficiencia relativa de los trabajadores remotos. La pieza clave de este patrón extendido es el rol del revisor, ejecutado por individuos que han demostrado sus aptitudes en la plataforma y actúa como revisor del trabajo hecho por otros trabajadores remotos que compiten para obtener el rol de revisor. Aparte, el feedback aportado por los revisores permite a los ejecutores de la tarea a mejorar su rendimiento. Desafortunadamente, no parece haber una manera clara de extrapolar este patrón extendido a otros procesos de crowdsourcing. Basándonos en trabajo previo a esta tesis que demuestran que el comportamiento de la gente con bajo rendimiento es diferente al resto, en esta tesis proponemos la creación de un perfil del usuario basado en las acciones ejecutadas en la plataforma. La novedad que aporta esta tesis es el uso de técnicas automáticas de descubrimiento de procesos para la generación de este perfil de usuario. Uno de los retos descubiertos durante la ejecución de esta tesis es que la precisión de los modelos descubierto suele ser muy baja debido a limitaciones actual que impiden descubrir modelos que repitan actividades, a pesar de que es algo muy común en el comportamiento humano. En esta tesis atacamos este problema proponiendo una técnica que desambigua procesos iterativos para mejor la precisión de los procesos debidos a este factor humano. También hemos adaptado una métrica de similitud usada en el área de la bioinformática para poder ser aplicada en la comparación de modelos de comportamiento humano. Hemos aplicado esta métrica en conjuntos de datos reales explicando como un conjunto de programadores accede a un repositorio de código fuente. Los resultados muestran que nuestra métrica es capaz de descubrir grupos de programadores que coinciden con roles diferentes en el proyecto.

Política de cookies

Utilitzem galetes (cookies) per donar-te la millor experiència possible en la nostra pàgina web. En continuar utilitzant aquest lloc web, dónes el consentiment perquè s’utilitzin cookies. Siusplau llegeix la nostra Política de cookies.

X