Felipe Restrepo Calle

La arquitectura de software define el plano fundamental de cualquier sistema de software, estableciendo la organización estructural y las interacciones entre sus elementos. A medida que los sistemas basados en web procesan datos sensibles y operaciones críticas, la seguridad se ha vuelto primordial. Sin embargo, la seguridad es frecuentemente tratada como una consideración secundaria en lugar de ser integrada en las decisiones de diseño arquitectónico. Las debilidades introducidas durante el diseño se propagan a lo largo del ciclo de vida del sistema y son más costosas de remediar después de la implementación.

Esta tesis propone un modelo de aseguramiento de la seguridad para la identificación y mitigación sistemáticas de debilidades de seguridad en arquitecturas de software basadas en la web en tiempo de diseño. Construido alrededor de un grafo de conocimiento que integra conceptos de arquitectura de software con conocimiento en ciberseguridad proveniente de CWE y OWASP, las contribuciones incluyen: un método de modelado arquitectónico que combina un Lenguaje de Descripción de Arquitectura con un grafo de conocimiento; un mecanismo para la detección de debilidades a nivel de diseño; y una estrategia de mitigación que genera modelos mejorados con tácticas arquitectónicas y patrones de seguridad.

El modelo es validado empíricamente, demostrando su efectividad en la identificación de debilidades en diferentes estilos arquitectónicos de sistemas de software basados en la web.

El bajo rendimiento académico en los cursos de programación es un problema recurrente en las instituciones de educación superior y se ha convertido en un reto significativo para la formación de futuros ingenieros. Este desafío está asociado a factores como la falta de experiencia previa en programación, estilos de aprendizaje inadecuados y baja motivación, los cuales impactan negativamente en el progreso formativo de los estudiantes, comprometiendo su éxito académico como su competitividad profesional. La presente tesis propone un sistema de intervención temprana basado en la predicción del rendimiento académico y dos tipos de intervención denominadas preventiva y proactiva, que ofrecen estrategias personalizadas para apoyar a los estudiantes en riesgo, mejorando sus resultados académicos y fomentando la autorregulación y la motivación en el aprendizaje de la programación. La investigación aborda la pregunta: ¿Cómo las predicciones del rendimiento estudiantil apoyan la intervención temprana en los cursos de programación informática? Para responder a esta pregunta, se desarrolló un modelo predictivo de regresión y otro de clasificación, que utilizan características relacionadas con las actividades de programación y las calificaciones, con el propósito de identificar a estudiantes en riesgo de bajo rendimiento académico durante las primeras semanas del curso. Además, se diseñaron y probaron estrategias de intervención, como tutorías grupales, envío de sugerencias, códigos fuente de referencia y talleres de refuerzo, con el objetivo de mejorar el desempeño académico de los estudiantes. Asimismo, se llevó a cabo un estudio cuasi-experimental y se aplicó el cuestionario MSLQ-Colombia para evaluar la efectividad de las intervenciones implementadas, así como las estrategias de aprendizaje y motivación empleadas por los estudiantes en los cursos de programación informática. Como resultado del desarrollo de esta tesis, se escribieron ocho artículos que contribuyeron significativamente al logro de los objetivos de la investigación y al avance en el campo de las Ciencias de la Computación. Entre ellos, destacan tres publicaciones en revistas de categoría Q1, dos en categoría Q3, mientras que las tres restantes están en proceso de evaluación. Los primeros documentos abordan los modelos de predicción desarrollados y un modelo pedagógico basado en la propuesta de Kirkpatrick, diseñado para medir la eficacia de las estrategias de enseñanza en los cursos de programación informática. Los siguientes trabajos analizan cómo el aula invertida puede integrarse de manera efectiva en sistemas de intervención temprana en estos cursos. Los documentos restantes incluyen una revisión de la literatura sobre Sistemas de Alerta Temprana y su contribución a la predicción del rendimiento académico, así como la herramienta de intervención temprana desarrollada y el estudio cuasi-experimental realizado. Entre los resultados más significativos de la investigación se incluye la efectividad de los modelos predictivos implementados, que alcanzaron hasta un 96% de precisión en la predicción del rendimiento académico durante las primeras semanas del curso. La herramienta de intervención temprana desarrollada permitió identificar a los estudiantes en riesgo y ofrecer intervenciones personalizadas. Estos resultados demuestran que las intervenciones tempranas, basadas en la predicción académica, son esenciales para mejorar tanto el rendimiento como la retención de estudiantes en los cursos de programación informática.

Debido a la escala tecnológica, la susceptibilidad de los sistemas modernos a los efectos de la radiación ha aumentado constantemente. En consecuencia, se ha vuelto esencial proteger los sistemas contra tales fallos. Si bien estos fallos, denominados \textit{soft errors}, pueden ser transitorios en lugar de permanentes, pueden alterar el comportamiento del sistema y provocar mal funcionamiento o fallas en los sistemas electrónicos. Los investigadores han propuesto técnicas de tolerancia a fallos que abarcan varios enfoques para abordar este problema. Estas técnicas van desde la modificación de materiales de chips y procesos de fabricación hasta soluciones alternativas a nivel de diseño. Estas alternativas a nivel de diseño incluyen enfoques de mitigación basados en hardware, software o una combinación de ambos, comúnmente conocidos como métodos híbridos. Sin embargo, muchas de estas técnicas se basan en la redundancia, lo que impone una importante sobrecarga computacional. Para abordar este desafío, las técnicas de Computación Aproximada (CA) han llamado la atención como una alternativa para reducir los sobrecostos asociados con la mitigación de fallos transitorios. Estas propuestas han demostrado que la CA puede mejorar la eficiencia al equilibrar la cobertura de fallas, los sobrecostos y la precisión de los resultados. Sin embargo, la mayoría de estas propuestas se centran principalmente en el nivel de circuito, lo que requiere modificaciones físicas en el sistema o requisitos de implementación específicos adaptados a soluciones particulares.

En esta tesis, presentamos FTxAC, una estrategia novedosa para diseñar sistemas embebidos tolerantes a fallos inducidos por radiación que tiene como objetivo reducir los sobrecostos. Esta estrategia implica el uso de técnicas de computación aproximada junto con estrategias de mitigación de fallos inducidas por radiación. FTxAC muestra flexibilidad para incorporar varias técnicas de CA y estrategias de mitigación de fallos. El método propuesto ha sido validado exhaustivamente, considerando la confiabilidad, la precisión de los resultados y los sobrecostos. Se realizaron experimentos de inyección de fallos en cuatro estudios de caso que abarcan diversas técnicas de CA y estrategias de tolerancia a fallos. Los resultados de estas pruebas confirman la efectividad de la estrategia de diseño presentada. Las mejoras logradas en la etapa de aproximación compensan los sobrecostos incurridos en el proceso de endurecimiento.

Este trabajo presenta el diseño, implementación y evaluación de un prototipo de asistente virtual para apoyar el proceso de aprendizaje en la asignatura de Análisis y Visualización de Datos. El asistente se basa en grandes modelos de lenguaje (LLMs, por sus siglas en inglés) y emplea una arquitectura de GeneraciónAumentada por Recuperación (RAG, Retrieval-Augmented Generation). El objetivo principal es ofrecer acompañamiento pedagógico personalizado que sea coherente con el material oficial de la asignatura, prestando especial atención a la calidad conceptual de las respuestas y al tono formativo.

El sistema utiliza un corpus curricular construido a partir de notas de clase, guías, transcripciones de sesiones sincrónicas y material externo recomendado. A partir de este corpus se indexa conocimiento relevante y se habilita la recuperación semántica contextualizada (índice FAISS, embeddings nomic-embed-text). Sobre esta base, distintos modelos de lenguaje ejecutados localmente vía Ollama generan respuestas adaptadas mediante perfiles de interacción (tutor, qa, auto) que buscan orientar al estudiante sin simplemente “darle la solución”. Para reducir el riesgo de alucinaciones y respuestas incorrectas, se implementó un esquema de evaluación automática que combina métricas RAGAS (fidelidad, relevancia de respuesta y contexto) y la taxonomía DAMR mediante LLM-as-a-Judge, utilizando openai/gpt-4o-mini como modelo juez. Las dimensiones evaluadas incluyen: identificación de errores conceptuales, revelación de respuesta, claridad, tono de tutor, acción sugerida y coherencia.

Los resultados muestran que algunos modelos presentan un comportamiento pedagógico más consistente y más alineado con las intenciones didácticas que otros. En particular, se observa que ciertos modelos mantienen un tono motivador, citan el material del curso y proponen próximos pasos accionables, mientras que otros tienden a revelar la respuesta completa o a responder sin suficiente anclaje en las fuentes. Adicionalmente, se midió la latencia de respuesta de cada modelo, con el fin de evaluar su viabilidad en uso real.

Este trabajo concluye que un asistente virtual basado en LLM con RAG puede complementar la enseñanza tradicional, ofreciendo retroalimentación inmediata, guiada y contextualizada al material oficial de la asignatura. Sin embargo, también se identifican retos relacionados con control pedagógico fino, sesgos del modelo, alucinaciones, y gobernanza de contenido académico.

Este trabajo final presentó el desarrollo y la evaluación de un sistema de asistencia virtual para consultas sobre el manejo del cultivo de papa, basado en grandes modelos de lenguaje con recuperación contextual. El trabajo se ejecutó en cuatro fases de acuerdo con los objetivos específicos. Primero, se estructuró una base de conocimiento a partir de publicaciones de acceso abierto sobre el cultivo de papa, mediante la recolección sistemática, el filtrado por criterios temáticos, geográficos y temporales, la extracción de texto y la normalización del contenido. Asimismo, se planteó una arquitectura modular que incorpora la recuperación semántica de fragmentos y un mecanismo de trazabilidad para identificar las fuentes utilizadas en cada respuesta a consultas en lenguaje natural. Luego, se implementó un prototipo que presentó los identificadores de los fragmentos recuperados como evidencia documental. Finalmente, el prototipo se evaluó mediante un enfoque de modelo de lenguaje como juez, aplicando un conjunto de consultas distribuidas por estratos temáticos y calificando las respuestas según su relevancia, exactitud, claridad, utilidad y evaluación global. Los resultados mostraron un desempeño consistente en claridad y variación entre estratos, con un menor rendimiento en las consultas asociadas a condiciones ambientales. Por último, se presentan evidencias de funcionamiento y de evaluación, y se listan limitaciones y líneas de trabajo futuras vinculadas a la cobertura documental, la validación con expertos y las mejoras en las estrategias de recuperación.

En el contexto competitivo de los marketplaces, la retención de clientes se ha convertido en un factor estratégico clave. Este trabajo presenta el desarrollo de un modelo predictivo de abandono de clientes (churn) aplicando técnicas de aprendizaje automático (machine learning), con el objetivo de identificar proactivamente a aquellos usuarios con mayor probabilidad de abandonar la plataforma. El estudio se estructura bajo la metodología CRISP-DM, abordando desde la selección y análisis de una base de datos —“theLook eCommerce”— hasta la preparación de características y la comparación de múltiples algoritmos. Se evaluaron diferentes configuraciones temporales para representar el con texto del cliente, y se identificaron las más efectivas en términos de desempeño predictivo. El modelo desarrollado, basado en Random Forest, alcanzó métricas superiores al 82 % en Accuracy y 78 % en F1-score, demostrando su utilidad para apoyar estrategias de retención en entornos reales. Este trabajo reafirma la necesidad de enfoques personalizados en la predicción del churn y sienta las bases para su implementación práctica.

El presente trabajo desarrolla un prototipo de plataforma educativa de código abierto orientada a la enseñanza de matemáticas básicas, integrando modelos de lenguaje para ofrecer tutoría personalizada. La propuesta surge como respuesta a la brecha de aprendizaje matemático en Colombia y a la necesidad de contar con herramientas capaces de operar en entornos con recursos limitados. Se plantea la adaptación de modelos de lenguaje pequeños (Small Language Models) al dominio de las matemáticas elementales, con el propósito de generar explicaciones paso a paso y fomentar el aprendizaje activo. El documento describe las fases de diseño pedagógico, la construcción de un conjunto de datos en español, el ajuste fino de los modelos y la implementación de un prototipo con interfaz de usuario. Los resultados obtenidos muestran la factibilidad técnica y pedagógica de esta aproximación en escenarios de baja conectividad, y se plantea su potencial escalabilidad como alternativa inclusiva para fortalecer la enseñanza de las matemáticas en el sistema educativo colombiano.

El reciente crecimiento de plataformas de evaluación automática de ejercicios de programación de computadores ha ayudado a los docentes en la retroalimentación de las soluciones propuestas por los estudiantes; esto es un factor importante en el desarrollo de habilidades de programación de computadores. Sin embargo, los docentes enfrentan desafíos a la hora de conocer si los casos de prueba que han creado tienen la suficiente cobertura, la cual hace referencia a la cantidad o porcentaje de código que es alcanzado por las pruebas. El objetivo general del presente trabajo es proponer y desarrollar un prototipo funcional de una herramienta que mida, de manera automática, la calidad de un conjunto de casos de prueba usados para evaluar la solución de ejercicios de programación de computadores. La herramienta mide el nivel de cobertura de estos casos mediante métricas como cobertura de rama y línea, proporcionando información de su calidad. La metodología empleada incluyó una revisión de la literatura sobre técnicas, métricas y herramientas de evaluación de pruebas, seguida del diseño, implementación y validación del prototipo utilizando un conjunto de datos de soluciones y casos de prueba de 18 ejercicios del curso Introducción a la Programación en Python de la Universidad Nacional de Colombia. Los resultados muestran que la herramienta permite identificar deficiencias en la cobertura de los casos de prueba y, a partir de ellos, se sugieren oportunidades de mejora para fortalecer el proceso de creación de casos de prueba para la evaluación de ejercicios de programación. Este trabajo contribuye a la mejora continua de la enseñanza de programación de computadores, al ofrecer una solución automática para la evaluación de pruebas, que proporcione una orientación a los docentes para la generación de casos de prueba más completos y efectivos, por medio de la identificación del nivel de cobertura alcanzado.

En el dinámico entorno del comercio electrónico, el análisis competitivo de productos es un pilar estratégico, aunque su ejecución manual es ineficiente y propensa a errores debido a la heterogeneidad de la información. Este trabajo aborda la automatización de la comparación de artículos deportivos, específicamente calzado de running, extrayendo datos de múltiples plataformas de e-commerce. La contribución principal es un pipeline que implementa un paradigma de "extracción primero, comparación después". Se utiliza un Modelo de Lenguaje Grande (LLM) para transformar descripciones de producto no estructuradas en un conjunto normalizado de atributos técnicos clave, definidos mediante un consenso de expertos con el método Delphi. Posteriormente, sobre estas representaciones estructuradas, se aplican técnicas de embeddings y el algoritmo K-Vecinos más Cercanos (KNN) para cuantificar la similitud funcional e identificar productos equivalentes. Los resultados demuestran una reducción del tiempo de análisis superior al 99.9% en comparación con el proceso manual y una alta validación cualitativa por parte de expertos (4.35 sobre 5.0), validando la herramienta como un recurso eficaz para la inteligencia de negocio, la optimización de precios y la toma de decisiones estratégicas en el sector retail.

El comportamiento de los precios de activos financieros, específicamente en el mercado colombiano, está influenciado por múltiples factores económicos y financieros, que influyen en los precios y generan incertidumbre en los inversionistas. Históricamente, Colombia ha mostrado una baja participación en el mercado de renta variable debido, en parte, a la complejidad del análisis requerido para la toma de decisiones. Este trabajo se motivó por la necesidad de facilitar este proceso mediante tecnologías avanzadas, con el fin de promover la inclusión financiera y mejorar la precisión en la toma de decisiones.

En Colombia, se evidenció que, aunque existen desarrollos tecnológicos como aplicaciones móviles (TRII y Tyba) y estudios de implementación de Inteligencia Artificial (IA) en el mercado local, la aplicación específica de Agentes Autónomos de IA, aún es incipiente en el contexto financiero colombiano. Modelos como FinGPT y FinAgent han demostrado resultados prometedores en otros mercados, destacando la necesidad de adaptar estas tecnologías al contexto local con las características propias del mercado colombiano.

El objetivo de este trabajo es desarrollar un Agente Autónomo de Inteligencia Artificial que proporcionará soporte automatizado para decisiones de inversión en la Bolsa de Valores de Colombia. Este objetivo se alcanzó mediante un proceso metodológico estructurado en cuatro fases: la recolección de datos mediante técnicas de web scraping, la creación de una herramienta computacional basada en técnicas de IA para extraer información relevante de fuentes confiables, la implementación del agente autónomo utilizando el modelo ReAct y grandes modelos de lenguaje (LLMs), y la evaluación de su desempeño comparado con estrategias tradicionales.

Los resultados obtenidos mostraron que el agente autónomo, en diferentes contextos, logró superar a estrategias convencionales como Comprar y Mantener, Media Móvil y Reversión a la Media, evaluadas a través de métricas como la Tasa Promedio de Retorno Anual (ARR), volatilidad y el Sharpe Ratio. Además, pruebas estadísticas como Mann-Whitney U confirmaron las diferencias del agente en términos de rentabilidad ajustada al riesgo para acciones destacadas como Ecopetrol, Bancolombia, Nutresa y Cementos Argos.

Este trabajo aporta una solución innovadora al mercado bursátil colombiano, demostrando que los Agentes Autónomos basados en IA pueden ser efectivos en contextos financieros locales. Los hallazgos sugieren un gran potencial para mejorar la inclusión financiera en Colombia y plantean futuras líneas de investigación en la adaptación y optimización de estos modelos en mercados emergentes.

Las iniciativas para mejorar el aprendizaje de los estudiantes han ido en aumento gracias a los avances en las telecomunicaciones y una mayor presencia de equipo de cómputo en los contextos educativos. Entre estas iniciativas se encuentran los laboratorios remotos que permiten la experimentación a distancia. En la misma línea se encuentran los laboratorios híbridos, que pueden agrupar tanto elementos remotos como virtuales o presenciales. El aprendizaje requiere que estas herramientas puedan ser efectivas a un alto nivel. De esta forma, pueden contribuir a motivar a los estudiantes para aprender y generar un flujo positivo en sus calificaciones y recompensas académicas. En electrónica digital, el aprendizaje de los lenguajes de descripción de hardware es de especial interés en el desarrollo de habilidades prácticas en la creación e implementación de circuitos electrónicos digitales. No obstante, se presentan desafíos para los estudiantes, docentes e instituciones. El aprendizaje requiere de estrategias, métodos y herramientas bien pensadas para atender y superar estos desafíos. Por esta razón, las iniciativas de laboratorios para atender a la parte práctica de una asignatura deben ser acompañadas por evidencia empírica para establecer las estrategias y formas de incorporar su funcionalidad en el contexto académico. La revisión de literatura presentó varias iniciativas de laboratorios remotos e híbridos, las cuales han sido generalmente bien recibidas por los estudiantes. En diversos casos, sus percepciones han permitido reconocer los beneficios y bondades que les han generado las nuevas iniciativas para la práctica de laboratorio. A pesar de ello, se encuentran pocos trabajos de validación de estas iniciativas desde el ámbito educativo. En otros casos, los instrumentos utilizados no están estandarizados o simplemente no han sido aplicados. En variables como la motivación por aprender, la evidencia acerca de iniciativas de laboratorios remotos es escasa y aún más para los de tipo híbrido. De esta manera, algunos autores enfatizan la necesidad de realizar más investigación involucrando distintas iniciativas de laboratorios, con el fin de encontrar sus efectos en diversas variables. Con la disponibilidad de mayor evidencia, se podrían tomar mejores decisiones acerca de los componentes de laboratorio práctico para asignaturas relacionadas con electrónica digital que involucren la práctica con un lenguaje de descripción de hardware. A partir de lo expuesto, este trabajo busca aportar evidencia acerca de los efectos en el rendimiento y la motivación en el aprendizaje de un HDL para una asignatura de electrónica digital. Para este propósito, se desplegó un laboratorio híbrido que reúne las modalidades remota y tradicional (Hands-On). El despliegue se realizó bajo una intervención educativa diseñada previamente como un estudio cuasi-experimental. Se trabajó con dos grupos, uno experimental y uno de control. En este proceso, se escogió un laboratorio remoto que, junto a la modalidad tradicional usualmente manejada, se constituyó como un laboratorio híbrido destinado a ser implementado en el grupo experimental. Mientras tanto, el grupo control se mantuvo bajo la modalidad tradicional. Se caracterizó la motivación por aprender gracias a la aplicación de cuestionarios del MSLQ-Colombia, al inicio y al final de la experiencia. Además, se llevó a cabo una encuesta de percepción y se recolectaron las notas de los informes de laboratorio entregados por los estudiantes. Estas acciones de recolección permitieron extraer datos acerca de la motivación y el rendimiento, así como las opiniones y percepciones acerca de la experiencia y las herramientas en detalle. El análisis de la información recolectada se llevó a cabo usando métodos estadísticos para verificar las variaciones en la motivación y el rendimiento. Los datos cuantitativos no arrojaron efectos significativamente positivos en la motivación o el rendimiento. El enfoque cualitativo permitió encontrar hallazgos importantes a partir de la percepción de los estudiantes. Se reportaron beneficios para el trabajo autónomo, buenas expectativas de rendimiento y disminución en niveles de ansiedad gracias a una mejor confianza en la experimentación del laboratorio. Estas son evidencias que pueden ser valoradas de forma positiva para establecer nuevas iniciativas de laboratorios híbridos que apunten al aprendizaje efectivo de lenguajes de descripción de hardware (HDL).

Debido a la creciente aplicación de la programación de computadores en áreas laborales y del conocimiento, cada vez se incluyen más cursos relacionados con este campo en las carreras universitarias. La complejidad de los contenidos de materias asociadas exige nuevas estrategias y metodologías de enseñanza que resulten cómodas para los estudiantes y los motiven. En este sentido, el uso y la aplicación de videojuegos se ha convertido en una alternativa prometedora.

GDBL (Game Development Based Learning) es una estrategia que utiliza la construcción o modificación de videojuegos como técnica de enseñanza. La principal herramienta que utiliza el GDBL se denomina GDF (Game Development Frameworks), y consiste en una serie de entornos, librerías o componentes de desarrollo que permiten desarrollar dichos videojuegos. Esta estrategia se basa en la teoría de aprendizaje constructivista, que se fundamenta en la construcción y refinamiento de modelos mentales basados en la experiencia y sentido de autonomía derivado de la propia motivación por aprender. En este trabajo, se abordará específicamente el modelo SRL (Self-Regulated Learning).

Los resultados y la caracterización reportados en esta investigación proporcionan evidencia empírica relacionada con el uso de GDBL en cursos de programación de computadores y su efecto en la motivación de los estudiantes por aprender. Los resultados, tanto positivos como negativos, contribuirán a comprender y consolidar el uso de estrategias GDBL en el ámbito educativo.

Los lenguajes de descripción de hardware se han popularizado en el diseño de electrónica digital debido al aumento de la complejidad de los circuitos actuales. Debido a lo anterior, se hace necesario apoyar el proceso de aprendizaje de electrónica digital utilizando estos lenguajes. El objetivo principal de este trabajo es desarrollar un prototipo de una herramienta de software de calificación automática con proceso de realimentación para el apoyo al aprendizaje de Lenguajes de Descripción de Hardware. Para lograrlo, este trabajo presenta la selección de características que debería incluir el prototipo, basado en otras herramientas similares. Posteriormente se realizó el diseño e implementación de un prototipo que fue usado por estudiantes del curso de Electrónica Digital de la Universidad Nacional de Colombia por cinco (5) semanas. Con este estudio se obtuvieron las percepciones de su uso. Los estudiantes encontraron útil para el proceso de aprendizaje tener una herramienta de calificación automática con realimentación, pues al estar disponible en línea da una ventaja al no depender de un profesor o tutor.

El análisis temático es fundamental en la investigación cualitativa, ofreciendo ideas valiosas pero a menudo requiriendo una cantidad significativa de tiempo y experiencia. Este trabajo aborda algunas limitaciones de los Software Asistidos por Computadora para el Análisis de Datos Cualitativos existentes y presenta un método novedoso diseñado específicamente para asistir en el análisis temático de preguntas abiertas con múltiples etiquetas para encuestas en español. El método propuesto combina la experiencia de dominio con modelos de lenguaje avanzados para establecer categorías preliminares. Posteriormente, el discernimiento humano se combina con medidas de similitud para agilizar la categorización de algunas respuestas utilizando estas categorías preliminares. El proceso culmina en una categorización automatizada robusta y escalable, utilizando diversos modelos, modelos de lenguaje y métricas de precisión. El método propuesto se compone de tres fases modulares que pueden funcionar de manera independiente o colaborativa, ofreciendo una solución integral a los investigadores. Puede reducir el largo proceso de codificación manual aprovechando los Grandes Modelos de Lenguaje (LLMs) y técnicas de Procesamiento de Lenguaje Natural (PLN). La eficacia del método se evalúa a través de su aplicación en un conjunto de datos de la Universidad Nacional de Colombia, mostrando resultados prometedores a través de sus diversos módulos y opciones. El trabajo abre vías para futuras investigaciones, particularmente en la mejora de los métodos de análisis cualitativos con la integración de herramientas modernas.

Este documento plantea un trabajo final de maestría para apoyar el proceso de migración de SAP Commerce a la nube pública de Microsoft Azure. Se destaca la importancia de la analítica de software y el análisis automático de código fuente para obtener datos concretos que respalden las decisiones de arquitectura, diseño y desarrollo. SAP Commerce Cloud, un producto utilizado para implementaciones de comercio en línea, presenta desafíos al ajustar y extender sus funcionalidades según las necesidades de cada cliente. Además, se menciona la falta de una herramienta automatizada que facilite la migración de SAP Commerce a la nube pública. En este contexto, se propone una estrategia que utiliza la herramienta de análisis de código fuente PMD para respaldar las migraciones a la arquitectura en la nube, y se evalúa su rendimiento a través de estudios de caso.

El reciente crecimiento de nuevas formas de datos educativos, ha hecho que la analítica del aprendizaje surja como una solución para identificar información relevante en la toma de decisiones educativas. Un grupo de investigaciones en analítica del aprendizaje se concentra en identificar variables del proceso de aprendizaje relacionadas con el desempeño académico de los estudiantes. Sin embargo, pocas investigaciones consideran el uso de metodologías mixtas o cualitativas, lo que limita el entendimiento sobre los comportamientos de los alumnos. El objetivo general de este trabajo es determinar las relaciones existentes entre las medidas y métricas derivadas del proceso de aprendizaje y el rendimiento académico de los estudiantes en la asignatura Programación de Computadores de la Facultad de Ingeniería en la Universidad Nacional de Colombia durante 2019 y 2020. Este trabajo propone un diseño metodológico con enfoque mixto, no experimental, donde la fase cualitativa de la metodología está enfocada hacia el análisis de contenido. Los resultados evidencian que existe una correlación positiva entre la cantidad de intentos de solución realizados por el alumno y su desempeño académico, lo que posiblemente se puede asociar a las percepciones de los estudiantes sobre la plataforma educativa utilizada en el curso como un ambiente que promueve la práctica constante debido a su disponibilidad en línea. Los errores/veredictos de las soluciones enviadas (respuesta correctas e incorrecta, límite de memoria excedido, errores de compilación y límite de tiempo excedido) también tienen correlaciones positivas, las cuales son corroboradas con las referencias de los estudiantes sobre retroalimentación formativa, consejos orientativos y casos de prueba. Métricas de software como el conteo de tokens y las líneas de código de los programas diseñados por los estudiantes tienen una correlación positiva significativa con la calificación final del alumno, lo cual se puede vincular con las referencias sobre ejercicios estimulantes y motivantes dentro de la plataforma educativa. Por otra parte, el índice de mantenibilidad tiene una correlación negativa, lo que se puede relacionar con las opiniones que resaltan la obtención de habilidades de programación. En contraste, se observan correlaciones negativas entre el uso de las herramientas de la plataforma educativa utilizada en el curso (p. ej. pruebas personalizadas, visualización de la ejecución del código y verificación de buenas prácticas de programación) con el rendimiento académico, las cuales son refutadas con las referencias de los estudiantes a estas herramientas como elementos positivos de la plataforma. En conclusión, se evidencia como el uso de métodos mixtos permite que los hallazgos de la fase cuantitativa sean corroborados, complementados o refutados por medio de las observaciones de los datos cualitativos.

La enseñanza y aprendizaje en el contexto educativo ha requerido a través del tiempo de diferentes esfuerzos por parte de los estudiantes y de los docentes para que se pueda dar un proceso satisfactorio en el que se cumpla con el objetivo de garantizar un completo aprendizaje. En el aprendizaje de la programación de computadores los estudiantes se enfrentan a distintos retos, por lo que el rol del docente, en su constante búsqueda y actualización, opta por incluir estrategias innovadoras mediante el apoyo de tecnologías computacionales con el fin de facilitar la apropiación del conocimiento por parte del estudiante. Cada vez hay más estrategias educativas que integran herramientas tecnológicas de evaluación automática de tipo juez online en las metodologías de clase de programación puesto que permiten: motivar al estudiante, promover el interés en las temáticas a partir de la práctica y la competencia y mejorar el rendimiento académico. Estas integraciones en las metodologías de clase de programación han registrado a través de la literatura que sus efectos son positivos en lo que respecta a mejoramiento en rendimiento, habilidades, mejora en la lógica y la participación. Sin embargo, se evidencia una falta de estudios con el fin de determinar si la motivación, como factor de aprendizaje, se ve afectada por la intervención de herramientas de evaluación automática en las sesiones de clase. Es por esto que el presente artículo se centra en evaluar el impacto en la motivación por aprender de los estudiantes al usar una herramienta de evaluación automática de programas en la asignatura de programación de computadores. A partir de un diseño de investigación cuasiexperimental se comparó el nivel de motivación en el aprendizaje de los estudiantes del grupo experimental y de los estudiantes de un grupo control (estudiantes que cursaron la asignatura sin usar la herramienta de evaluación automática seleccionada) por medio de un pretest y postest con el instrumento MSLQ-Colombia. Adicionalmente, los estudiantes del grupo experimental respondieron una encuesta con preguntas de respuesta abierta que permitió recopilar las diferentes percepciones sobre la herramienta y la integración de este tipo de estrategias en la metodología de la clase. Los datos recolectados permitieron realizar un análisis estadístico respecto a la variación de la motivación en el aprendizaje de los grupos que participaron. Por un lado, los datos cuantitativos recopilados a través del MSLQ-Colombia no evidenciaron diferencias significativas en la motivación de los estudiantes del grupo experimental en el que se integró la herramienta de evaluación automática. Por otro lado, la información cualitativa permitió contrastar el impacto hallado en el análisis cuantitativo. Los datos de la encuesta de opinión de los estudiantes permitieron observar un aumento en los niveles de autoeficacia para el rendimiento de los estudiantes. Estos resultados permiten entender de mejor manera los efectos de la integración de herramientas de evaluación automática en la motivación por aprender de los estudiantes de programación de computadores.

El aprendizaje colaborativo asistido por computador CSCL (del inglés Computer Supported Collaborative Learning) es una propuesta educativa que busca que los estudiantes puedan alcanzar sus objetivos de aprendizaje a través de la interacción en grupo mediada por la tecnología. En el área de la programación de computadores, algunos estudios demuestran un aumento de la participación y mejores resultados en la resolución de problemas de programación por parte de los estudiantes que participan en ambientes de aprendizaje CSCL. En entornos universitarios, los cursos introductorios de programación de computadores buscan preparar a los estudiantes en la resolución de problemas a partir del uso de un lenguaje de programación; para ello, se han creado diferentes herramientas bajo el enfoque CSCL, las cuales sirven de espacios en donde los estudiantes autorregulan su aprendizaje, participan voluntariamente, discuten ideas y evalúan el trabajo de los demás. Sin embargo, según las implementaciones de software revisadas en la literatura, aún existe la necesidad de crear herramientas colaborativas no sólo en las etapas tempranas del proceso de resolución de problemas de programación, sino también durante el proceso de evaluación formativa de la resolución del problema mediante la colaboración de los compañeros. En este contexto, el objetivo de esta tesis es presentar la herramienta computacional denominada UNColab para apoyar la resolución de problemas de programación por medio de la colaboración entre estudiantes durante una etapa de evaluación por pares. Se realizó la implementación de un prototipo de UNColab, el cual fue probado durante la realización de una actividad de aprendizaje colaborativo en un curso de Programación de Computadores con 27 estudiantes de la Universidad Nacional de Colombia. Esta herramienta se desarrolló conforme a un guion de aprendizaje colaborativo, el cual permitió estructurar una dinámica de clase en dos actividades del curso; y la aplicación de la metodología de desarrollo orientada a prototipos, que facilitó la organización de cada una de las actividades de desarrollo de software. Los resultados de esta experiencia sugieren que los estudiantes perciben este tipo de herramientas como favorables en la enseñanza-aprendizaje de la programación de computadores. Además, sugirieron diferentes mejoras que podrían abrir las posibilidades a la realización de otros estudios. Por lo tanto, este trabajo contribuye al área de investigación por medio del desarrollo de una herramienta que permite apoyar la enseñanza de la programación de computadores en ambientes colaborativos. Asimismo, la validación de la herramienta en un curso de programación de computadores permite entender de una mejor manera los beneficios y retos que supone la utilización de herramientas para el aprendizaje colaborativo asistido por computador.

La enseñanza-aprendizaje de la Programación de Computadores conlleva desafíos que implican buscar nuevas metodologías de enseñanza en la que el estudiante se involucre activamente. Actualmente las metodologías relacionadas con el juego son ampliamente utilizadas por los efectos que pueden generar en aspectos como la motivación, participación, rendimiento académico y compromiso en los estudiantes. La gamificación está inmersa en dichas metodologías haciendo referencia al uso de elementos relacionados con el juego en contextos ajenos al juego. En el área de la Programación de Computadores se han realizado estudios que integran la gamificación asistida por computador en contextos académicos, con el objetivo de evidenciar los efectos reales que genera el uso de elementos relacionados con el juego en procesos formativos. Generalmente los resultados cualitativos evidencian efectos destacables en los diferentes aspectos analizados, sin embargo distintos estudios donde realizan análisis cuantitativos contradicen dichos hallazgos y exponen que integrar la gamificación no genera efectos estadísticamente significativos en aspectos evaluados como la motivación, participación, rendimiento académico, entre otros. La revisión de literatura analizada evidencia la necesidad de realizar más estudios empíricos en los que se integre la gamificación con el propósito de comprender y demostrar los efectos reales que genera en los distintos aspectos formativos. Por lo cual, esta investigación tiene como propósito encontrar el efecto que la gamificación asistida por computador genera en la motivación por aprender de los estudiantes de Programación de Computadores. Para tal fin, se diseñó y llevó a cabo un estudio cuasi-experimental en el que se integró una herramienta gamificada en la metodología de un curso de Introducción a la Programación de Computadores. A través de una revisión de literatura y un análisis comparativo se realizó la selección de CodeGym como el ambiente gamificado asistido por computador apto para la integración dentro de la metodología de la clase. A continuación, se estableció el diseño del estudio cuasi-experimental en el que se planteó la metodología de la intervención educativa y la aplicación de los instrumentos para medir el constructo motivacional por medio del cuestionario de auto-informe MSLQ-Colombia y una encuesta de percepciones dirigida a los estudiantes que participaron en el estudio. En este estudio participaron 48 estudiantes distribuidos en dos grupos de control y uno experimental, quienes fueron seleccionados mediante la técnica de muestreo no probabilístico por conveniencia. La información recolectada permitió realizar un análisis estadístico de la variación de la motivación en cada uno de los grupos participantes. La información cuantitativa obtenida mediante el MSLQ-Colombia permitió evidenciar que los estudiantes del grupo experimental en el que se integró el ambiente gamificado en la metodología de la clase, incrementaron significativamente los niveles relacionados con valoración de la tarea, atribuyendo un mayor grado de importancia, utilidad, gusto o interés hacia las temáticas expuestas en la asignatura. Los resultados reportados en esta investigación permiten comprender mejor los efectos, beneficios, y desafíos que brinda la integración de la gamificación asistida por computador en los procesos de enseñanza-aprendizaje de la programación de computadores.

En virtud de la gran acogida que la programación de computadores ha tenido en los últimos años tanto en la academia como en la industria, una inmensa mayoría de universidades la han incluido en sus currículos de Ingeniería. Sin embargo, la complejidad que la programación representa para muchos estudiantes producen altos niveles de deserción y pérdida de las asignaturas relacionadas con este conocimiento. Diversos autores han empleado instrumentos de autoinforme para determinar los aspectos que influyen positivamente durante el proceso de aprendizaje de la programación y que a su vez permiten lograr un aprendizaje significativo. Aunque en el marco del aprendizaje autorregulado se evidencia una gran cantidad de instrumentos que caracterizan aspectos como la motivación, no se encuentra un instrumento enfocado en la caracterización de las estrategias de aprendizaje de la programación de computadores. En ese sentido, este trabajo de investigación explora e identifica diferentes estrategias de aprendizaje con el objetivo de recopilarlas en un instrumento de autoinforme, el cual se denominó Cuestionario sobre Estrategias de Aprendizaje de la Programación de Computadores - CEAPC.

La construcción del CEAPC se logró gracias a los procesos de diseño y validación llevados a cabo a través de una metodología mixta compuesta por métodos cuantitativos, como el Análisis Factorial Exploratorio y el cálculo del coeficiente del α de Cronbach, y métodos cualitativos como los grupos focales y las entrevistas semi-estructuradas. Los resultados fueron positivos en cuanto a las propiedades psicométricas obtenidas para el instrumento, como la validez de constructo y los índices de confiabilidad. Cuenta por un lado, con ítems de cargas factoriales mayores a 0.3 y por otro lado con valores de α de Cronbach entre 0.6 y 0.8, los cuales son aceptables de acuerdo con la literatura. Cabe resaltar que este instrumento permitirá identificar las estrategias que influyen en un proceso de aprendizaje profundo de la programación de computadores y, además, dará la posibilidad de determinar el rol que desempeña la autorregulación en el aprendizaje en esta área en particular. Así mismo, la caracterización de las estrategias de aprendizaje autorregulado, llevada a cabo a través del instrumento propuesto, permitirá plantear modos de aprendizaje fuera y dentro del aula.

The quality of the software is an important aspect, mainly due to its relation to the future costs associated with the maintenance of the product. In order to quantify the quality, software quality metrics are used, which are a set of measures used to estimate the quality of a software project. Taking into account that the quality of the software must evaluate several aspects, and that it must be measured in the same way for all, standards have been created that provide a guide to the process to be carried out. As of 2019, the standard that is the family of ISO/IEC 25000 standards, whose objective is to create a common framework to assess the quality of a software product considering 8 characteristics: functional adequacy, performance, compatibility, usability, reliability, security, maintainability, and portability. The maintainability feature has a high impact on the total costs of software projects, consuming between 40% and 80% of the total cost of the life cycle of a software product. Additionally, within the Maintenance work, developers spend approximately 70% of the time trying to understand the source code, so being able to measure the readability of a code snippet could help estimate the effort required for a maintenance activity. The readability of software is defined as the degree of ease with which a person can read and understand a piece of source code, written by another person.

Despite the efforts and research in the area of readability of the software, there is still no definitive model to assess the level of readability of a fragment of source code in real time. Therefore, it is essential to continue research in the area, but for this, it is necessary to know the studies that exist to date on the legibility of software, identifying the characteristics and metrics proposed to measure it, the models that allow automatic evaluation, the applications they have in the area of software and the challenges that future researchers must face.

This final master's work presents a synthesis and analysis of software readability metrics. For this, a systematic review of the literature of works related to the readability of the source code was carried out, presenting a compilation of the main characteristics and the methods used for its measurement. The result of this work aims to serve as a basis for other researchers to propose new readability metrics, and subsequently, to develop strategies that are integrated into integrated development environments (IDEs) to measure and alert on the readability of the source code in time developmental.

Tensors, an extension of arrays, are widely used in a variety of programming tasks. Tensors are the building blocks of many modern machine learning frameworks and are fundamental in the definition of deep learning models. Linters are indispensable tools for today's developers, as they help the developers to check code before executing it. Despite the popularity of tensors, linters for Python that check and flag code with tensors are nonexistent. Given the tremendous amount of work done in Python with (and without) tensors, it is quite baffling that little work has been done in this regard. Abstract Interpretation is a methodology/framework for statically analysing code. The idea of Abstract Interpretation is to soundly overapproximate the result of running a piece of code over all possible inputs of the program. A sound overapproximation ensures that the Abstract Interpreter will never omit a true negative, i.e.~if a piece of code is not flagged by the Abstract Interpreter, then it can be safely assumed that the code will not fail. The Abstract Interpreter can be modified so that it only outputs true positives, although losing soundness, i.e.~the interpreter can flag which parts of the code are going to fail no matter how the code is run. In this work, we specify a subset of Python with emphasis on tensor operations. Our operational Python semantics is based on The Python Language Reference. We define an Abstract Interpreter and present its implementation. We show how each part of the Abstract Interpreter was built: the Abstract Domains defined and the abstract semantics. We present the structure of Pytropos, the Abstract Interpreter implemented. Pytropos is able to check NumPy array operations taking into account broadcasting and complex NumPy functions as \texttt{array} and \texttt{dot}. We constructed 74 unit test cases checking the capabilities of Pytropos and 20 property test cases checking compliance with the official Python implementation. We show what and how many bugs the Abstract Interpreter was able to find.

Source code repositories store data from software products. Among this data we can find the evolution of the source code, requirements, bugs and communication between developers. Source code repositories have been growing rapidly in the recent years andwith them the need of extracting information from them. An interesting source code repository that is growing both in usage and information is Stack Overflow (SO), this web site provides one of the biggest Question Answering places used by thousands of developers everyday. In SO the developers can ask any question related to a programming issue and it will be answered by other users. We can find a source code repository with both source code and natural language with thousands of samples and the possibility of combining both sources of information to extract useful and not eye-noticeable information from it. In this thesis, we explore how to represent source code and natural language and how to combine these representations. We try to solve the task of understanding how users in SO talk about the programming language, how similar these programming languages are among them based on how users talk about them, and finally, we provide tools on the building of an information retrieval strategy by identifying duplicated post.

Calificar código fuente es una tarea que cada instructor de programación debe enfrentaren su día a día. Esta tarea conlleva varios retos entre ellos la cantidad de código a calificar,la dificultad de la tarea propuesta, entender cómo cada estudiante está intentando resolverla tarea y proveer realimentación para garantizar una aprendizaje de calidad. Esta tarea no solo es relevante en contextos académicos, por ejemplo en la industria, calificar efectiva-mente código fuente es crucial en el proceso para contratar al programador adecuado para una vacante. En este trabajo, proponemos una modificación al proceso regular de calificar código agregando un componente automático (o por lo menos semi-automático) para ayudara un instructor de programación en esta tarea. Nuestra propuesta incluye una rúbrica para calificar código fuente, la construcción de un data set, la extracción y el análisis del código;para finalmente mostrar nuestra solución al problema de calificar código fuente de manera automática resolviendo la tarea como un problema de clasificación.

Abstract: Last years developers became interested in competitive programming, producing the burst of online platforms which design competitions, where a set of programming problems should be solved. People realize this format is also useful for recruiting and training purposes. As developers participate in contests they gain points and are classified in rankings, according to the performance they exhibit in each competition. Today, these ranks are analogous to reputation systems since they indicate the programmers’ expertise. In this thesis dissertation, it is explored the relationship between this reputation and source code features, extracted via source code analysis, of the solutions sent by participants. The aim of this research is to find a set of features, classified into categories lexical, syntactic, quality and readability, which are shared by developers in the same level of knowledge. These features allow us to build a model to predict the programmers’ expertise, considering two classes to divide the developers, who can be assigned to beginners or advanced. In that sense, an experiment was designed to create a classifier model to accomplish that task. Overall, the results look promising, achieving an approximate accuracy of 80 %, and having the lexical features as the most relevant for the model.

Psychology and computer science are two scientific disciplines that focus on identifying the particular characteristics of information processing. The first in the human being and the second in the construction of a technical tool that seeks to emulate the brain: the computer. That is why psychology is strongly tied to the moment for people to choose their passwords. Deceptive advertising often compensates (through money, products and free services or other self-esteem tests) to influence a product or service to appear on your social network. In order to increase its consumption among its followers and also to take personal information without your consent. Due to the increase of the use of social networks, our social engineering strategy can efficiently and effectively show that security is subjective and that a significant percentage of users are vulnerable to deceptive advertisement through the internet. This project is based on the need to prevent attacks of information subtraction by obtaining/decrypting the keys of access or in the worst case obtain directly their passwords to the different web services, bank accounts, credit cards of individuals, based on the information that people exposed or share on their social networks. This paper also examines how attackers could obtain/decipher their passwords based on personal information obtained from deceptive advertisements implemented through a social network. The advantage of this approach also shows the user password composition providing a better vision of how hackers use the psychology applied to information security.

Abstract. To increase the success in computer programming courses, it is important to understand the learning process and common difficulties faced by students. Although several studies have investigated possible relationships between students performance and self-regulated learning characteristics, little attention has been given the source code produced by students in this regard. Such source code might contain valuable information about their learning process, specially in a context where practical programming assignments are frequent and students write source code constantly during the course. This poses the following research questions: What is the relationship between the characteristics of students source code and their performance in a computer programming course?. What is the relationship between source code features and self-regulated learning characteristics (i.e., motivation and learning strategies) in a computer programming course?. How the source code and self-regulated features can predict the students' performance? In order to answer these questions, a strategy to support the correlation analysis among students performance, motivation, use of learning strategies, and source code metrics in computer programming courses is proposed. A comprehensive case study is presented to evaluate the strategy. Additionally, an automatic grading tool for programming assignments was used, which facilitated to obtain the source code of the participants for further automatic source code analysis. Moreover, self-regulated learning characteristics were collected using the Motivated Strategies for Learning Questionnaire (MSLQ). Results show that the main features from source code which are significantly related to students performance and self-regulated learning features are: length-related metrics, with mainly positive correlations; and Halstead complexity measures, correlated negatively. In the light of the findings of this study, it is possible to understand better students source code as an artifact that can be used to monitorize several characteristics related to self-regulated learning, course performance, and in general, their learning process. In this way, more research in the area is required to verify if these relationships could give to computing educators new ways to identify and help students with problems.

Las actividades del ciclo de vida del desarrollo de software (o SDLC por sus siglas en ingl´es) incluyen: an´alisis de requisitos, dise˜no de modelos, desarrollo, pruebas y mantenimiento. Las tareas tempranas de este ciclo (an´alisis de requisitos y dise˜no) tienen un amplio impacto en el ´exito del proyecto y por esto es fundamental que se lleven a cabo de una forma correcta. Estas actividades por supuesto est´an incluidas en el proceso de desarrollo de sistemas de informaci´on de procesamiento de transacciones. Estos sistemas de informaci´on son una de las maneras de generar valor desde la informaci´on producida en una organizaci´on. Adem´as, dan pie para generar sistemas de informaci´on de mayor complejidad y tambi´en permiten mejorar los procesos de toma de decisiones en las organizaciones. Sin embargo, los errores en las etapas tempranas del desarrollo de software son bastante comunes. Estos errores pueden llevar a dificultades a nivel de presupuesto y calendario en los proyectos de desarrollo de software, inclusive, a fracasos totales. Por esta raz´on, en esta tesis se propone dise˜nar, desarrollar y evaluar una metodolog´ıa para el prototipado autom´atico de sistemas de informaci´on transaccionales desde una especificaci´on en lenguaje natural restringido. Lo cual busca mejorar los procesos de an´alisis de requisitos y dise˜no de modelos puesto que permitir´ıa validar r´apidamente la funcionalidad del software, y as´ı, facilitar la detecci´on de errores y por ende su correcci´on temprana durante el desarrollo del proyecto. Para esto, en esta tesis se propone una metodolog´ıa de prototipado r´apido basada en un lenguaje natural restringido. Para crear este lenguaje natural restringido se usan como insumo dos lenguajes de especificaci´on populares: BPMN (Business Process Modeling Notation) y E-R (Entity - Relationship). Adem´as, para la generaci´on del prototipo funcional, se usar´an t´ecnicas de generaci´on de c´odigo fuente guidas por la sintaxis de este lenguaje. Como resultados de esta tesis, se llevaron a cabo dos implementaciones de la herramienta de generaci´on de c´odigo fuente. Adem´as, se presentan tres casos de estudio que permiten validar la aplicabilidad y efectividad de la metodolog´ıa propuesta: “Question cycle”, “Email Voting” y “Odoo clone”.