Desarrollo de un asesor normativo mediante inteligencia artificial para el reglamento estudiantil del Politécnico Grancolombiano

En el presente documento se hace una propuesta de solución a problemáticas relacionadas con la dificultad en la comprensión, falta de conocimiento y acceso a los reglamentos institucionales por parte de la comunidad estudiantil del Politécnico Grancolombiano. La existencia de esta situación se corro...

Full description

Autores:
Angel Castro, Jeison Stiven
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Institución Universitaria Politécnico Grancolombiano
Repositorio:
Alejandría Repositorio Institucional
Idioma:
spa
OAI Identifier:
oai:alejandria.poligran.edu.co:10823/7382
Acceso en línea:
http://hdl.handle.net/10823/7382
Palabra clave:
Asesor normativo
LLM
Procesamiento de lenguaje natural
Redes neuronales
Inteligencia artificial
Procesamiento de datos
Reglamentación académica
LLM
Natural language processing
Neural networks
Regulatory advisor
Rights
License
Atribución-NoComercial-SinDerivadas 2.5 Colombia
id Poli2_0abd04225234f49ef06df501f946d898
oai_identifier_str oai:alejandria.poligran.edu.co:10823/7382
network_acronym_str Poli2
network_name_str Alejandría Repositorio Institucional
repository_id_str
dc.title.spa.fl_str_mv Desarrollo de un asesor normativo mediante inteligencia artificial para el reglamento estudiantil del Politécnico Grancolombiano
dc.title.translated.spa.fl_str_mv Development of a regulatory advisor using artificial intelligence for the student regulations of Politécnico Grancolombiano
title Desarrollo de un asesor normativo mediante inteligencia artificial para el reglamento estudiantil del Politécnico Grancolombiano
spellingShingle Desarrollo de un asesor normativo mediante inteligencia artificial para el reglamento estudiantil del Politécnico Grancolombiano
Asesor normativo
LLM
Procesamiento de lenguaje natural
Redes neuronales
Inteligencia artificial
Procesamiento de datos
Reglamentación académica
LLM
Natural language processing
Neural networks
Regulatory advisor
title_short Desarrollo de un asesor normativo mediante inteligencia artificial para el reglamento estudiantil del Politécnico Grancolombiano
title_full Desarrollo de un asesor normativo mediante inteligencia artificial para el reglamento estudiantil del Politécnico Grancolombiano
title_fullStr Desarrollo de un asesor normativo mediante inteligencia artificial para el reglamento estudiantil del Politécnico Grancolombiano
title_full_unstemmed Desarrollo de un asesor normativo mediante inteligencia artificial para el reglamento estudiantil del Politécnico Grancolombiano
title_sort Desarrollo de un asesor normativo mediante inteligencia artificial para el reglamento estudiantil del Politécnico Grancolombiano
dc.creator.fl_str_mv Angel Castro, Jeison Stiven
dc.contributor.advisor.none.fl_str_mv Ávila Buitrago, Gabriel Eduardo
dc.contributor.author.none.fl_str_mv Angel Castro, Jeison Stiven
dc.subject.proposal.spa.fl_str_mv Asesor normativo
LLM
Procesamiento de lenguaje natural
Redes neuronales
topic Asesor normativo
LLM
Procesamiento de lenguaje natural
Redes neuronales
Inteligencia artificial
Procesamiento de datos
Reglamentación académica
LLM
Natural language processing
Neural networks
Regulatory advisor
dc.subject.lemb.spa.fl_str_mv Inteligencia artificial
Procesamiento de datos
Reglamentación académica
dc.subject.keywords.spa.fl_str_mv LLM
Natural language processing
Neural networks
Regulatory advisor
description En el presente documento se hace una propuesta de solución a problemáticas relacionadas con la dificultad en la comprensión, falta de conocimiento y acceso a los reglamentos institucionales por parte de la comunidad estudiantil del Politécnico Grancolombiano. La existencia de esta situación se corroboró mediante una encuesta a miembros de la comunidad académica, en la cual se evidenció un bajo nivel de familiaridad con las normas y una percepción negativa hacia ellas. Para abordar esta problemática se desarrolló una aplicación web de asesoramiento normativo utilizando inteligencia artificial. Esta aplicación permite a los usuarios obtener respuestas relacionadas con situaciones o preguntas específicas y provee un acceso a la información actualizada del reglamento académico. Para el desarrollo se utilizaron técnicas de procesamiento de lenguaje natural (PLN) y clasificación de texto con redes neuronales, aprovechando modelos de lenguaje grandes (LLM) como BERT. Se realizó un proceso de selección y entrenamiento de la herramienta con información relacionada con el reglamento académico, para construir módulos que permitan manejar y presentar dicha información. Se espera que la aplicación mejore el acceso y comprensión de las normas institucionales, empoderando a los estudiantes para resolver sus dudas de manera autónoma y eficiente, lo cual no solo optimizará los recursos institucionales, sino que también fomentará una cultura educativa más colaborativa y autónoma. Para evaluar el funcionamiento de la aplicación se utilizó un instrumento de recolección de información con un grupo de estudiantes, quienes probaron la herramienta y evaluaron criterios como usabilidad, rendimiento y precisión.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-10-17T13:21:20Z
dc.date.available.none.fl_str_mv 2024-10-17T13:21:20Z
dc.date.issued.none.fl_str_mv 2024-07-05
dc.type.spa.fl_str_mv bachelorThesis
dc.type.local.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.redcol.none.fl_str_mv https://purl.org/redcol/resource_type/TP
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/acceptedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str acceptedVersion
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10823/7382
dc.identifier.instname.spa.fl_str_mv instname:Politécnico Grancolombiano
dc.identifier.reponame.spa.fl_str_mv reponame:Alejandría Repositorio Comunidad
dc.identifier.repourl.spa.fl_str_mv repourl:http://alejandria.poligran.edu.co
url http://hdl.handle.net/10823/7382
identifier_str_mv instname:Politécnico Grancolombiano
reponame:Alejandría Repositorio Comunidad
repourl:http://alejandria.poligran.edu.co
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Nataraj, P., Devaraj, Teja, R., Kumar, M., & Gangrade, A. (2023). Development of a Legal Document AI-Chatbot. ArXiv, abs/2311.12719.
Queudot, M., Charton, E., & Meurs, M. (2020). Improving Access to Justice with Legal Chatbots. Stats.
Cui, J., Li, Z., Yan, Y., Chen, B., & Yuan, L. (2023). Chatlaw: A Multi-Agent Collaborative Legal Assistant with Knowledge Graph Enhanced Mixture-of- Experts Large Language Model.
Han, H. (2023). Potential Benefits of Employing Large Language Models in Research in Moral Education and Development. ArXiv, abs/2306.13805.
Morgan, J., Paiement, A., Seisenberger, M., Williams, J., & Wyner, A.Z. (2018). A Chatbot Framework for the Children's Legal Centre. International Conference on Legal Knowledge and Information Systems.
Ng, J., Haller, E., & Murray, A. (2022). The ethical chatbot: A viable solution to socio-legal issues. Alternative Law Journal, 47, 308 - 313. https://doi.org/10.1177/1037969X221113598. https://researchers.cdu.edu.au/en/publications/the-ethical-chatbot-a-viablesolution- to-socio-legal-issues
Devlin, J., Chang, M., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. North American Chapter of the Association for Computational Linguistics.
Abdulwahhab, R., Makhmari, H., & Battashi, S. (2015). An educational web application for academic advising. 2015 IEEE 8th GCC Conference & Exhibition, 1-6. https://doi.org/10.1109/IEEEGCC.2015.7060084.
Aly, W., Eskaf, K., & Selim, A. (2017). Fuzzy mobile expert system for academic advising. 2017 IEEE 30th Canadian Conference on Electrical and Computer Engineering (CCECE), 1-5. https://doi.org/10.1109/CCECE.2017.7946846.
Arsys (2020) Clasificación de textos con Python y Jupyter Notebooks [Código fuente]. Arsys https://www.arsys.es/blog/clasificaciontextos-pythonjupyternotebooks
Church, K.W., Chen, Z., & Ma, Y. (2021). Emerging trends: A gentle introduction to fine-tuning. Natural Language Engineering, 27, 763 - 778.
Naveed, H., Khan, A.U., Qiu, S., Saqib, M., Anwar, S., Usman, M., Barnes, N., & Mian, A.S. (2023). A Comprehensive Overview of Large Language Models. ArXiv, abs/2307.06435.
Mannadiar, N., & Gürsoy, K. (2019). Neural Networks for Text Classification.
Minaee, S., Kalchbrenner, N., Cambria, E., Nikzad, N., Chenaghlu, M., & Gao, J. (2020). Deep Learning--based Text Classification. ACM Computing Surveys (CSUR), 54, 1 - 40.
Попова, Е., Popova, E., Спицын, В., Spicyn, V., Иванова, Ю., & Ivanova, Y. (2019). Using artificial neural networks to solve text classification problems. GraphiCon'2019 Proceedings. Volume 1.
Sun, Z. (2023). A Short Survey of Viewing Large Language Models in Legal Aspect. ArXiv, abs/2303.09136.
Hmeidi, I., Al-Ayyoub, M., Abdulla, N., Almodawar, A., Abooraig, R., & Mahyoub, N. (2015). Automatic Arabic text categorization: A comprehensive comparative study. Journal of Information Science, 41, 114 - 124.
Zhang, X., Zhao, J.J., & LeCun, Y. (2015). Character-level Convolutional Networks for Text Classification. Neural Information Processing Systems.
Liddy, E.D., Paik, W., & Yu, E.S. (1994). Text categorization for multiple users based on semantic features from a machine-readable dictionary. ACM Trans. Inf. Syst., 12, 278-295.
Kamruzzaman, S. (2010). Text Classification using Artificial Intelligence. ArXiv, abs/1009.4964.
Howard, J., & Ruder, S. (2018). Universal Language Model Fine-tuning for Text Classification. Annual Meeting of the Association for Computational Linguistics.
Qasem, R., Tantour, B., & Maree, M. (2023). Towards the Exploitation of LLMbased Chatbot for Providing Legal Support to Palestinian Cooperatives. ArXiv, abs/2306.05827. https://www.mckinsey.com/capabilities/quantumblack/our-insights/globalsurvey- the-state-of-ai-in-2020?cid=other-soc-lkn-mip-mck-oth--- &sid=4255306818&linkId=105722332
Minaee, S., Cambria, E., & Gao, J. (2020). Deep Learning--based Text Classification. ACM Computing Surveys (CSUR), 54, 1 - 40.
Dande, A.A., & Pund, D.M. (2023). A Review Study on Applications of Natural Language Processing. International Journal of Scientific Research in Science, Engineering and Technology.
Vanita (2024). An Extant of Natural Language Processing. International Journal For Multidisciplinary Research.
Yadav, R.K., Madaan, A., & Janu (2024). Comprehensive analysis of natural language processing. Global Journal of Engineering and Technology Advances.
Cambria, E., & White, B. (2014). Jumping NLP Curves: A Review of Natural Language Processing Research [Review Article]. IEEE Computational Intelligence Magazine, 9, 48-57.
G. Suganya, R. Porkodi (2020). Prediction and Analysis of Extracting Relations using Spacy Model. International Journal of Recent Technology and Engineering.
Yao, L., Mao, C., & Luo, Y. (2018). Graph Convolutional Networks for Text Classification. ArXiv, abs/1809.05679.
Delaforge, A., Azé, J., Bringay, S., Mollevi, C., Sallaberry, A., & Servajean, M. (2022). EBBE-Text: Explaining Neural Networks by Exploring Text Classification Decision Boundaries. IEEE Transactions on Visualization and Computer Graphics, 29, 4154-4171.
Gutiérrez, F., Seipp, K., Ochoa, X., Chiluiza, K., Laet, T.D., & Verbert, K. (2020). LADA: A learning analytics dashboard for academic advising. Comput. Hum. Behav., 107, 105826
Alkhoori, A., Kuhail, M.A., & Alkhoori, A. (2020). UniBud: A Virtual Academic Adviser. 2020 12th Annual Undergraduate Research Conference on Applied Computing (URC), 1-4
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons.spa.fl_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 2.5 Colombia
http://purl.org/coar/access_right/c_abf2
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.temporal.none.fl_str_mv Feb 2024 - Jun 2024
dc.publisher.program.spa.fl_str_mv Ingeniería de Sistemas
dc.publisher.faculty.spa.fl_str_mv Facultad de ingeniería y Diseño e Innovación
institution Institución Universitaria Politécnico Grancolombiano
bitstream.url.fl_str_mv https://alejandria.poligran.edu.co/bitstream/10823/7382/1/Documento.pdf
https://alejandria.poligran.edu.co/bitstream/10823/7382/2/license.txt
https://alejandria.poligran.edu.co/bitstream/10823/7382/3/Documento.pdf.jpg
bitstream.checksum.fl_str_mv 930b7d54317c2ed658aecf25e1ea8b67
8a4605be74aa9ea9d79846c1fba20a33
7abd40c6f75f67beb27fe77f06079d1d
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Comunidad Politecnico Grancolombiano
repository.mail.fl_str_mv dspace@poligran.edu.co
_version_ 1814349562420133888
spelling Ávila Buitrago, Gabriel EduardoAngel Castro, Jeison StivenFeb 2024 - Jun 20242024-10-17T13:21:20Z2024-10-17T13:21:20Z2024-07-05http://hdl.handle.net/10823/7382instname:Politécnico Grancolombianoreponame:Alejandría Repositorio Comunidadrepourl:http://alejandria.poligran.edu.coEn el presente documento se hace una propuesta de solución a problemáticas relacionadas con la dificultad en la comprensión, falta de conocimiento y acceso a los reglamentos institucionales por parte de la comunidad estudiantil del Politécnico Grancolombiano. La existencia de esta situación se corroboró mediante una encuesta a miembros de la comunidad académica, en la cual se evidenció un bajo nivel de familiaridad con las normas y una percepción negativa hacia ellas. Para abordar esta problemática se desarrolló una aplicación web de asesoramiento normativo utilizando inteligencia artificial. Esta aplicación permite a los usuarios obtener respuestas relacionadas con situaciones o preguntas específicas y provee un acceso a la información actualizada del reglamento académico. Para el desarrollo se utilizaron técnicas de procesamiento de lenguaje natural (PLN) y clasificación de texto con redes neuronales, aprovechando modelos de lenguaje grandes (LLM) como BERT. Se realizó un proceso de selección y entrenamiento de la herramienta con información relacionada con el reglamento académico, para construir módulos que permitan manejar y presentar dicha información. Se espera que la aplicación mejore el acceso y comprensión de las normas institucionales, empoderando a los estudiantes para resolver sus dudas de manera autónoma y eficiente, lo cual no solo optimizará los recursos institucionales, sino que también fomentará una cultura educativa más colaborativa y autónoma. Para evaluar el funcionamiento de la aplicación se utilizó un instrumento de recolección de información con un grupo de estudiantes, quienes probaron la herramienta y evaluaron criterios como usabilidad, rendimiento y precisión.Índice Resumen del Proyecto... 6 TITULO DE LA PROPUESTA... 7 INTRODUCCIÓN... 8 PLANTEAMIENTO DEL PROBLEMA... 10 OBJETIVOS... 11 Objetivos específicos... 11 JUSTIFICACIÓN... 12 ALCANCE... 13 MARCO TEÓRICO... 14 Marco Teórico... 14 Estado del Arte... 16 METODOLOGÍA... 22 Análisis preliminar... 22 Árbol de problemas... 22 Encuestas... 23 Definición de tecnologías... 24 Actividades y cronograma... 25 Diseño de la solución ... 27 Requerimientos... 27 Casos de uso... 28 Arquitectura... 28 Base de datos... 29 Diseño de interfaz... 31 Desarrollo de la solución... 31 Prototipado y experimentación... 31 Entrenamiento e implementación de modelo... 37 Desarrollo de módulo de procesamiento de texto... 40 Desarrollo de backend... 41 Desarrollo de frontend... 42 Pruebas y finalización... 45 RESULTADOS... 46 Conclusiones... 48 Trabajo futuro... 49 BIBLIOGRAFÍA... 50 ANEXOS... 53In this document, a proposed solution is presented to address issues related to the difficulty in understanding, lack of knowledge, and limited access to institutional regulations by the student community of Politécnico Grancolombiano. The existence of this situation was confirmed through a survey conducted among members of the academic community, which revealed a low level of familiarity with the regulations and a negative perception of them. To tackle this issue, a web-based regulatory advisory application was developed using artificial intelligence. This application allows users to obtain answers related to specific situations or questions and provides access to updated information from the academic regulations. The development process utilized natural language processing (NLP) techniques and text classification with neural networks, leveraging large language models (LLMs) such as BERT. A selection and training process was conducted with information related to the academic regulations to build modules that manage and present this information effectively. The application is expected to improve access to and understanding of institutional regulations, empowering students to resolve their queries independently and efficiently. This will not only optimize institutional resources but also promote a more collaborative and autonomous educational culture. To assess the functionality of the application, an information collection tool was used with a group of students, who tested the tool and evaluated criteria such as usability, performance, and accuracy.application/pdfspaDesarrollo de un asesor normativo mediante inteligencia artificial para el reglamento estudiantil del Politécnico GrancolombianoDevelopment of a regulatory advisor using artificial intelligence for the student regulations of Politécnico GrancolombianobachelorThesisTesis/Trabajo de grado - Monografía - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttps://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionAsesor normativoLLMProcesamiento de lenguaje naturalRedes neuronalesInteligencia artificialProcesamiento de datosReglamentación académicaLLMNatural language processingNeural networksRegulatory advisorNataraj, P., Devaraj, Teja, R., Kumar, M., & Gangrade, A. (2023). Development of a Legal Document AI-Chatbot. ArXiv, abs/2311.12719.Queudot, M., Charton, E., & Meurs, M. (2020). Improving Access to Justice with Legal Chatbots. Stats.Cui, J., Li, Z., Yan, Y., Chen, B., & Yuan, L. (2023). Chatlaw: A Multi-Agent Collaborative Legal Assistant with Knowledge Graph Enhanced Mixture-of- Experts Large Language Model.Han, H. (2023). Potential Benefits of Employing Large Language Models in Research in Moral Education and Development. ArXiv, abs/2306.13805.Morgan, J., Paiement, A., Seisenberger, M., Williams, J., & Wyner, A.Z. (2018). A Chatbot Framework for the Children's Legal Centre. International Conference on Legal Knowledge and Information Systems.Ng, J., Haller, E., & Murray, A. (2022). The ethical chatbot: A viable solution to socio-legal issues. Alternative Law Journal, 47, 308 - 313. https://doi.org/10.1177/1037969X221113598. https://researchers.cdu.edu.au/en/publications/the-ethical-chatbot-a-viablesolution- to-socio-legal-issuesDevlin, J., Chang, M., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. North American Chapter of the Association for Computational Linguistics.Abdulwahhab, R., Makhmari, H., & Battashi, S. (2015). An educational web application for academic advising. 2015 IEEE 8th GCC Conference & Exhibition, 1-6. https://doi.org/10.1109/IEEEGCC.2015.7060084.Aly, W., Eskaf, K., & Selim, A. (2017). Fuzzy mobile expert system for academic advising. 2017 IEEE 30th Canadian Conference on Electrical and Computer Engineering (CCECE), 1-5. https://doi.org/10.1109/CCECE.2017.7946846.Arsys (2020) Clasificación de textos con Python y Jupyter Notebooks [Código fuente]. Arsys https://www.arsys.es/blog/clasificaciontextos-pythonjupyternotebooksChurch, K.W., Chen, Z., & Ma, Y. (2021). Emerging trends: A gentle introduction to fine-tuning. Natural Language Engineering, 27, 763 - 778.Naveed, H., Khan, A.U., Qiu, S., Saqib, M., Anwar, S., Usman, M., Barnes, N., & Mian, A.S. (2023). A Comprehensive Overview of Large Language Models. ArXiv, abs/2307.06435.Mannadiar, N., & Gürsoy, K. (2019). Neural Networks for Text Classification.Minaee, S., Kalchbrenner, N., Cambria, E., Nikzad, N., Chenaghlu, M., & Gao, J. (2020). Deep Learning--based Text Classification. ACM Computing Surveys (CSUR), 54, 1 - 40.Попова, Е., Popova, E., Спицын, В., Spicyn, V., Иванова, Ю., & Ivanova, Y. (2019). Using artificial neural networks to solve text classification problems. GraphiCon'2019 Proceedings. Volume 1.Sun, Z. (2023). A Short Survey of Viewing Large Language Models in Legal Aspect. ArXiv, abs/2303.09136.Hmeidi, I., Al-Ayyoub, M., Abdulla, N., Almodawar, A., Abooraig, R., & Mahyoub, N. (2015). Automatic Arabic text categorization: A comprehensive comparative study. Journal of Information Science, 41, 114 - 124.Zhang, X., Zhao, J.J., & LeCun, Y. (2015). Character-level Convolutional Networks for Text Classification. Neural Information Processing Systems.Liddy, E.D., Paik, W., & Yu, E.S. (1994). Text categorization for multiple users based on semantic features from a machine-readable dictionary. ACM Trans. Inf. Syst., 12, 278-295.Kamruzzaman, S. (2010). Text Classification using Artificial Intelligence. ArXiv, abs/1009.4964.Howard, J., & Ruder, S. (2018). Universal Language Model Fine-tuning for Text Classification. Annual Meeting of the Association for Computational Linguistics.Qasem, R., Tantour, B., & Maree, M. (2023). Towards the Exploitation of LLMbased Chatbot for Providing Legal Support to Palestinian Cooperatives. ArXiv, abs/2306.05827. https://www.mckinsey.com/capabilities/quantumblack/our-insights/globalsurvey- the-state-of-ai-in-2020?cid=other-soc-lkn-mip-mck-oth--- &sid=4255306818&linkId=105722332Minaee, S., Cambria, E., & Gao, J. (2020). Deep Learning--based Text Classification. ACM Computing Surveys (CSUR), 54, 1 - 40.Dande, A.A., & Pund, D.M. (2023). A Review Study on Applications of Natural Language Processing. International Journal of Scientific Research in Science, Engineering and Technology.Vanita (2024). An Extant of Natural Language Processing. International Journal For Multidisciplinary Research.Yadav, R.K., Madaan, A., & Janu (2024). Comprehensive analysis of natural language processing. Global Journal of Engineering and Technology Advances.Cambria, E., & White, B. (2014). Jumping NLP Curves: A Review of Natural Language Processing Research [Review Article]. IEEE Computational Intelligence Magazine, 9, 48-57.G. Suganya, R. Porkodi (2020). Prediction and Analysis of Extracting Relations using Spacy Model. International Journal of Recent Technology and Engineering.Yao, L., Mao, C., & Luo, Y. (2018). Graph Convolutional Networks for Text Classification. ArXiv, abs/1809.05679.Delaforge, A., Azé, J., Bringay, S., Mollevi, C., Sallaberry, A., & Servajean, M. (2022). EBBE-Text: Explaining Neural Networks by Exploring Text Classification Decision Boundaries. IEEE Transactions on Visualization and Computer Graphics, 29, 4154-4171.Gutiérrez, F., Seipp, K., Ochoa, X., Chiluiza, K., Laet, T.D., & Verbert, K. (2020). LADA: A learning analytics dashboard for academic advising. Comput. Hum. Behav., 107, 105826Alkhoori, A., Kuhail, M.A., & Alkhoori, A. (2020). UniBud: A Virtual Academic Adviser. 2020 12th Annual Undergraduate Research Conference on Applied Computing (URC), 1-4Ingeniería de SistemasFacultad de ingeniería y Diseño e InnovaciónAtribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2ORIGINALDocumento.pdfDocumento.pdfDocumento de trabajo de grado y anexosapplication/pdf3690481https://alejandria.poligran.edu.co/bitstream/10823/7382/1/Documento.pdf930b7d54317c2ed658aecf25e1ea8b67MD51open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://alejandria.poligran.edu.co/bitstream/10823/7382/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52open accessTHUMBNAILDocumento.pdf.jpgDocumento.pdf.jpgIM Thumbnailimage/jpeg6175https://alejandria.poligran.edu.co/bitstream/10823/7382/3/Documento.pdf.jpg7abd40c6f75f67beb27fe77f06079d1dMD53open access10823/7382oai:alejandria.poligran.edu.co:10823/73822024-10-18 03:00:28.373open accessRepositorio Comunidad Politecnico Grancolombianodspace@poligran.edu.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

Publicaciones similares