He INTERPRETABLE CLASSIFICATION MODELS FOR THE DEVELOPMENT OF A PUBLIC BID RECOMMENDER SYSTEM
Interpretable classification models for the development of a public bid recommender system
DOI:
https://doi.org/10.53591/iti.v17i23.2173Keywords:
model analysis, public tenders, interpretable models, methodologiesAbstract
The present work is an FCI project from the University of Guayaquil, with the main objective being the analysis of interpretable classification models for the development of a public bid recommender system. The methodology combines CRISP-DM and PMI approaches, ensuring a structured and technical management process. Historical public bidding data were collected and processed to develop analytical models. Technical applications, such as linear regression, were implemented using Python as the programming language, along with specialized libraries suited for the easy identification of patterns and trends. Additionally, cross-validations and performance metric comparisons, including the coefficient of determination (R²) and ranking accuracy, were conducted. This project contributes to strengthening public resource management through advanced technological tools that promote fairness and transparency in the awarding of contracts. The conclusions and recommendations presented can serve as a foundation for the future development of public bidding recommender systems
References
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.
