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

[Esteban Feuerstein Feuerstein]

Buenos días. Recordamos la defensa de la tesis mañana a las 9:00 hs., y
agregamos el link para quienes quieran sumarse por YouTube:

https://youtube.com/live/Zw7U0Rygm4A?feature=share

Saludos
Esteban

El vie, 6 dic 2024, 13:07, Esteban Feuerstein Feuerstein <efeuerst at dc.uba.ar>
escribió:

>
>
> 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
>
>
>
>
>