Person:
Portela García-Miguel, Javier

Loading...
Profile Picture
First Name
Javier
Last Name
Portela García-Miguel
Affiliation
Universidad Complutense de Madrid
Faculty / Institute
Estudios estadísticos
Department
Estadística y Ciencia de los Datos
Area
Estadística e Investigación Operativa
Identifiers
UCM identifierORCIDScopus Author IDWeb of Science ResearcherIDDialnet IDGoogle Scholar ID

Search Results

Now showing 1 - 3 of 3
  • Publication
    Estudio de la percepción pública de la vacuna contra la COVID-19 mediante técnicas de PLN y de aprendizaje automático
    (2021-07) Povedano Álvarez, Daniel; Portela García-Miguel, Javier; Armas Vega, Esteban Alejandro
    La pandemia de COVID-19 causada por el nuevo coronavirus SARS-CoV-2 ha tenido un impacto significativo en la sociedad, tanto por los graves efectos sanitarios y económicos como por los efectos de las medidas sanitarias para evitar su propagación. Gracias a las técnicas de PLN se ha podido investigar las actitudes hacia la vacunación, siendo particularmente oportuno en estos momentos ante la llegada de las vacunas contra la COVID-19. Este trabajo tiene una doble finalidad, por un lado estudiar la percepción hacia la vacunación contra la COVID-19, mediante técnicas de Procesamiento de Lenguaje Natural y por otro, la construcción de un clasificador de sentimientos interpretable mediante técnicas de Aprendizaje Automático. Para ello se uitlizaron 4.000.000 de tweets relacionados con la vacunación en el periodo comprendido entre el 15 de noviembre de 2020 y el 16 de diciembre de 2020 como conjunto de datos. El periodo de tiempo seleccionado es esencial porque durante este tiempo se publicaron los primeros resultados de las vacunas contra la COVID-19, como Pfizer y Moderna, surgieron un debate público. El análisis de la percepción sugiere que hay un número significativo de tweets negativos que pueden poner en peligro el objetivo de alcanzar la inmunidad de rebaño. En cuanto a los resultados del clasificador de sentimientos multiclase se obtuvo un 92% de ROC-AUC con el algoritmo LinearSVC.
  • Publication
    Aprendizaje virtual de las matemáticas utilizando distintas TICs
    (2021-06) Riomoros Callejo, M. Isabel; Medina Sánchez, M. Ángeles; Ávila Tejera, Juan Julián; Belope Nguema, Sabina; García Ruiz, Yolanda; Portela García-Miguel, Javier; García Villalba, Javier; Blanco García, Susana; Miguel Vicente, Carmen; García Pineda, María Pilar; Sandoval Orozco, Ana Lucila
    Proyecto para ayudar al estudiantado en el aprendizaje de las Matemáticas y promover su aprendizaje autónomo. Todo ello, con materiales más visuales como vídeos, píldoras educativas, clases en modo síncrono, ejemplos con GeoGebra y cuestionarios.
  • Publication
    Differentiated models in the collaborative transport economy: a mixture analysis for Blablacar and Uber
    (2021-09-10) Quirós Romero, Cipriano; Portela García-Miguel, Javier; Marín Sanz, Raquel; Dabić, Marina; Griffy-Brown, Charla
    The collaborative economy has become one of the fastest-growing areas since the great recession of 2008, with passenger transport activities being of particular importance. Based on on-demand ride services, in which passengers are connected with community drivers through a smartphone app, these collaborative transport activities are not all of a homogeneous nature, and need to be differentiated according to the type of service provided to understand the socioeconomic and environmental characteristics that determine their widespread use. The objective of this paper is to analyze the determinants of use of the two main online platforms for transport in Europe: Blablacar (ride-sharing) and Uber (ride-hailing), representing two different business models for shared mobility. Our contribution is an empirical analysis emphasizing the role of digital skills and employing a mixture analysis technique that permits the distinction between these two platforms models. Our results show that beyond their strong linkage to the digital environment, the determinants of using both platforms differ. In the case of Blablacar, the results show a closed user profile influenced by age, educational level, live as a couple or urban environment. However, the user profile for Uber is open and more diffuse, with a preference for female population.