[general_dat] Invitación a la defensa de Tesis Doctoral de Federico Albanese.

[Esteban Feuerstein Feuerstein]

Tenemos el agrado de invitarles a la defensa de Tesis Doctoral en Ciencias
de la Computación del Lic. Federico Albanese.

Título: Aprendizaje Automático y Procesamiento del Lenguaje Natural en la
Comunicación Política Online y las Redes Sociales.

Cuándo: Martes 10 de Diciembre a las 9:00 hs. (GMT-3)
Dónde: Aula 1606, pabellón Cero+Infinito

Director: Esteban Feuerstein
Codirector: Leandro Lombardi
Consejero de estudios: Matías López y Rosenfeld

Jurados:
Dr. Ernesto Calvo (Prof., Univ. de Maryland, EE. UU)
Dra. María V. Martínez Posse (Inv. Tit., IIA-CSIC, España)
Dra. María T. Martin Valdivia (Prof., Univ. de Jaén, España)


Resumen:

Esta tesis doctoral explora las dinámicas de interacción en redes sociales
y el impacto de los medios de comunicación en la formación de opiniones
políticas, utilizando técnicas de machine learning, deep learning, análisis
de grafos y procesamiento del lenguaje natural. A partir de datos masivos
de las plataformas Twitter, Facebook, Instagram y Reddit, se analizan
fenómenos como la polarización política, las cámaras de eco y la
confirmación de sesgos. Además, se propone una metodología innovadora para
detectar tópicos en textos cortos, superando las técnicas tradicionales en
eficiencia y utilidad en sistemas de recomendación.

Los resultados revelan una relación causal entre la cobertura mediática de
ciertos temas y las fluctuaciones en las encuestas de opinión pública,
especialmente en contextos electorales. En términos del comportamiento de
los usuarios, observamos diferencias significativas en cómo se reciben los
mensajes de los políticos dependiendo de la plataforma, y cómo los usuarios
cambian de comunidades políticas y de ideología cuando son ignorados dentro
de una comunidad online.

La presente tesis también analiza cómo la difusión de noticias con
distintos sesgos políticos en comunidades cerradas refuerza la confirmación
de sesgos, limita el debate de ideas diferentes y favorece la propagación
de información falsa. Finalmente, se realiza un análisis adversarial de los
sistemas de recomendación en redes sociales que utilizan Graph Neural
Networks, destacando cómo algoritmos maliciosos pueden manipular contenido
en contextos políticos. Este estudio no solo busca ofrecer una visión clara
de las interacciones en redes sociales y el impacto de los medios de
comunicación en el debate político, sino que también sugiere enfoques para
un análisis más efectivo y ético en la era digital.


Saludos cordiales,
Esteban Feuerstein