Modelos de clasificación interpretables para la construcción de un sistema recomendador de licitaciones públicas
Interpretable classification models for the development of a public bid recommender system
DOI:
https://doi.org/10.53591/iti.v17i23.2173Palabras clave:
análisis de modelos, licitaciones públicas, modelos interpretables, metodologíasResumen
Contexto: El presente trabajo es un proyecto FCI de la Universidad de Guayaquil donde el principal objetivo es el análisis de modelos de clasificación interpretables para la construcción de un sistema recomendador de licitaciones públicas. Se recopilaron datos históricos de licitaciones públicas tomadas desde las páginas oficiales de datos públicos abiertos y se procesaron para desarrollar modelos analíticos utilizando aplicaciones técnicas como regresión logística, en Python como lenguaje de programación, y bibliotecas aptas especializadas para la fácil identificación de patrones y tendencias, también se realizaron validaciones y comparaciones de métricas de desempeño, el coeficiente de determinación y la precisión en la clasificación, lo que ayudará a tomar la decisión de qué modelo es el más apto para implementarlo en un sistema recomendador, adicional si bien el proyecto se centra en solo dar un solo modelo, se darán conclusiones de qué otro modelo puede usarse en la construcción de este sistema. Este proyecto contribuye al fortalecimiento de la gestión de los recursos públicos mediante herramientas tecnológicas avanzadas que promueven la equidad y la transparencia en la adjudicación de contratos. Las conclusiones y recomendaciones presentadas pueden servir como base para futuros desarrollos de sistemas recomendadores en licitaciones públicas.
Citas
Aguirre, J. (2 de Mayo de 2023). Ecuavisa. Obtenido de https://www.ecuavisa.com/noticias/ecuador/los-5-defectos-de-la-contratacion-publica-en-ecuador-EI5039732
BID & ILPES (2022). Material docente sobre gestión y control de proyectos: Programa de capacitación. Comisión Económica para América Latina y el Caribe (CEPAL). Santiago de Chile: CEPAL. Obtenido de https://repositorio.cepal.org/server/api/core/bitstreams/71d847bf-2137-4a1b-8776-017aa056a0ca/content
Bravo, J., & Brauner, D. (2022). Aplicación para licitaciones públicas de código abierto. Bogotá: Universidad del Bosque, revista de Innovación Pública y Tecnología. Obtenido de https://repositorio.unbosque.edu.co/server/api/core/bitstreams/131a9585-6ec7-4251-b578-4be5a837315e/content
Cevallos, J., & Macias, D. (2022). Desarrollo de un sistema recomendador de licitaciones basado en tecnica de aprendizaje automatico. Guayaquil: Universidad de Guayaquil.
Faz, W., Fuentes, L., Hidalgo, M., & Guerrero, K. (2023). Government procurement in Ecuador: analysis and perspective. Universidad Ciencia Y Tecnología. Obtenido de https://doi.org/10.47460/uct.v27i119.714
García, M. (2022). Las licitaciones públicas: análisis de datos y sistemas predictores utilizando métodos de `machine learning´. Obtenido de Repositorio Institucional de la Universidad de Oviedo: http://hdl.handle.net/10651/65768
Hernández, J. (2018). Principios rectores en la contratación pública. Revista de Derecho Público.
Hernández, N. (2020). Transparencia y equidad en las recomendaciones basadas en IA en procesos de licitación pública.
Jiménez, Á., & Luna, D. (2024). Análisis de inteligencia artificial explicable (XAI) y su aplicación en sistemas de recomendación. Guayaquil: Universidad de Guayaquil.
LOPDP, A. N. (2021). Ley Orgánica de Ptrotección de datos Personales (Registro Oficial No. 459 ed.).
LOTAIP, A. N. (2004). Ley Orgánica de Transparencia y Acceso a la Información Pública (Registro Oficial No. 337. ed.).
Maydana Huanca, A. R. (2021). Elección del mejor modelo entre regresión lineal múltiple y árboles de regresión para predecir el precio máximo de las acciones de Intel en función al precio de apertura y volumen de ventas de acciones por día - 2019. Obtenido de Universidad Nacional del Altiplano: http://repositorio.unap.edu.pe/handle/20.500.14082/15333
Pincay, G., & Velásquez, N. (2024). Análisis de datos sobre licitaciones públicas de Ecuador apicando técnicas de explicabilidad de modelos. Universidad de Guayaquil. Obtenido de https://repositorio.ug.edu.ec/handle/redug/76137
Ponce, C., & Joel, V. d. (2024). ANÁLISIS DE DATOS MEDIANTE GRÁFICOS EXPLICATIVOS PARA LA MEJORA EN LA TOMA DE DECISIONES EN LICITACIONES PÚBLICAS. Guayaquil: Universidad de Guayaquil. Obtenido de https://repositorio.ug.edu.ec/handle/redug/76650
Ramírez, S. (2023). Implicaciones de la inteligencia artificial en la transparencia de los contratos administrativos. Boyacá: Universidad Santo Tomás.
San Milan, J. (2020). Predicción de precios en mercados financieros usando la información de las noticias a través de métodos estadísticos. Universidad Pontificia de Comillas. Obtenido de https://repositorio.comillas.edu/jspui/bitstream/11531/43711/1/TFG-SanMillanMontero%2CJavierArturo.pdf
Smith, J., & Jones, M. (2020). Explainable AI in public procurement systems. European Journal of Artificial Intelligence.