Modelo computacional para la sugerencia de Adquisiciones y Desarrollo de Colecciones Bibliográficas en la Biblioteca Carlos Gaviria Diaz de la Universidad de Antioquia

En las Unidades de Información (UI), la selección y adquisición de material bibliográfico es crucial para mantener colecciones actualizadas y relevantes. En la Biblioteca Carlos Gaviria Díaz de la Universidad de Antioquia (UdeA), este proceso implica revisar manualmente microcurrículos de cursos y catálogos de proveedores, lo que lo hace laborioso y subjetivo. Para abordar estos desafíos, se desarrolló un modelo computacional basado en técnicas de Machine Learning (ML) y Procesamiento de Lenguaje Natural (PLN), con el propósito de automatizar y optimizar este proceso. El modelo utiliza algoritmos para medir la similitud semántica entre los microcurrículos y los registros bibliográficos mediante métodos como TF-IDF y similitud de coseno, permitiendo generar recomendaciones precisas. La conclusión de que este enfoque mejora el proceso de selección se obtuvo al comparar las recomendaciones generadas por el modelo con las necesidades identificadas en los microcurrículos y los registros relevantes de los catálogos bibliográficos, mostrando un alineamiento significativo entre ambos. El rendimiento del modelo se evaluó en términos de métricas clave como precisión y recall, que reflejan su capacidad para identificar correctamente recursos relevantes. La precisión mide qué proporción de las recomendaciones es verdaderamente útil, mientras que el recall evalúa la proporción de recursos relevantes identificados por el modelo en relación con la totalidad disponible. La metodología seguida incluyó la recolección de datos mediante técnicas de web scraping, el preprocesamiento de textos con herramientas de PLN, y la evaluación del modelo utilizando una partición de datos en entrenamiento y prueba, siguiendo un enfoque basado en CRISP-DM (Cross-Industry Standard Process for Data Mining). Este modelo computacional permite a la biblioteca Carlos Gaviria Diaz tomar decisiones más informadas y objetivas, adaptándose a las necesidades cambiantes de los programas académicos y optimizando la gestión de sus colecciones.

• Autores: Carvajal Llano, Alejandro
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2025
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/45642
• Acceso en línea: https://hdl.handle.net/10495/45642
• Palabra clave: Aprendizaje Automático; Machine Learning; Diseño por ordenador; Computer aided design; Bibliotecas universitarias - Desarrollo de colecciones; Libraries,university and college - Colletion development; Bibliotecas - Departamento de adquisiciones; Acquisitions (libraries); Lingüística computacional; Computational linguistics; Automatización; Automation; http://vocabularies.unesco.org/thesaurus/concept6009; https://id.nlm.nih.gov/mesh/D000069550
• Rights: openAccess
• License: https://creativecommons.org/licenses/by-nc-sa/4.0/