Un enfoque inteligente para la selección de grupos de expertos mediante redes sociales

Abstract

La selección de grupos de expertos generalmente considera la evaluación de los criterios de selección que deben cumplir los candidatos y los grupos en sí mismos. Los criterios de selección representan un aspecto clave de los procesos de selección de expertos, ya que son estos criterios los que establecen qué candidato es un experto, o cómo se debe conformar un grupo de expertos. En esta tesis se propone un enfoque inteligente e integral para el problema de la selección de grupos de expertos compuesto por dos partes. Primero, se propone un método para la identificación y evaluación de criterios de selección de candidatos elegibiles a ocupar posiciones de expertos, utilizando descripciones de los candidatos como fuente de información. Segundo, se propone un método para la selección óptima de conformaciones de grupos de expertos, utilizando información relacional de los candidatos. Esta tesis introduce importantes contribuciones en el área de selección de expertos, incluyendo la aplicación de Aprendizaje Automático (ML) en la identificación de evidencia de experiencia; la aplicación de técnicas de Procesamiento de Lenguaje Natural (NLP) para determinar la similitud de criterios de selección; una nueva métrica de Análisis de Redes Sociales (SNA) para determinar la independencia de grupos; la aplicación de una estrategia multicriterio para la evaluación de grupos en redes sociales; y la implementación de un algoritmo evolutivo para la selección óptima de grupos de expertos. Las evaluaciones experimentales indican que la elegibilidad de un conjunto de candidatos puede ser determinada a partir del nivel de correspondencia semántica entre las evaluaciones de los candidatos y los criterios de selección de referencia. Asimismo, los resultados indican que es posible recomendar grupos de expertos con mejor desempeño al compararlos con los comités actuales, a partir del uso de información relacional.