Premios

La Red Española de Investigación en Sistemas de Recomendación (ELIGE-IA), financiada por la Agencia Estatal de Investigación del Ministerio de Ciencia e Innovación, ha otorgado el Premio a la Mejor Publicación Científica en el campo de los Sistemas de Recomendación correspondiente al período 2023–2024.

Esta iniciativa tiene como objetivo promover y reconocer trabajos científicos de excelencia que contribuyan significativamente al avance de los sistemas de recomendación, una tecnología clave en el entorno digital actual.

Tras un análisis exhaustivo de un total de ocho trabajos de excelencia que se presentaron a la convocatoria, se decidió otorgar los siguientes reconocimientos:

Premio a la Mejor Publicación

Título: Sustainable transparency on recommender systems: Bayesian ranking of images for explainability
Autores: Jorge Paz-Ruza, Amparo Alonso-Betanzos, Bertha Guijarro-Berdiñas, Brais Cancela, Carlos Eiras-Franco
Afiliación: Universidade da Coruña
Referencia completa del trabajo: Paz-Ruza, J., Alonso-Betanzos, A., Guijarro-Berdiñas, B., Cancela, B., & Eiras-Franco, C. (2024). Sustainable transparency on recommender systems: Bayesian ranking of images for explainability. Information Fusion, 111, 102497.

Este trabajo presenta BRIE, un modelo innovador que mejora la transparencia en sistemas de recomendación mediante explicaciones visuales personalizadas. Utilizando Bayesian Pairwise Ranking, los autores logran reducir el tamaño del modelo hasta en un 64% y las emisiones de CO₂ hasta un 75%, sin comprometer el rendimiento. El artículo destaca por su enfoque sostenible y por sus resultados consistentes en seis conjuntos de datos reales, lo que le ha valido el máximo reconocimiento de esta edición.

Accésit

Título: Engineering recommender systems for modelling languages: concept, tool and evaluation
Autores: Lissette Almonte, Esther Guerra, Iván Cantador, Juan de Lara
Afiliación: Universidad Autónoma de Madrid
Referencia completa del trabajo: Almonte, L., Guerra, E., Cantador, I., & de Lara, J. (2024). Engineering recommender systems for modelling languages: concept, tool and evaluation. Empirical Software Engineering, 29(4), 102.

El artículo propone Droid, un enfoque automatizado y orientado a modelos para crear sistemas de recomendación dentro de lenguajes de modelado. Ofrece una configuración detallada del sistema, integración directa con editores de Eclipse, y ha sido validado mediante estudios cuantitativos y cualitativos. Su aportación es clave para facilitar el uso de recomendadores en la ingeniería del software.

Accésit

Título: Bias characterization, assessment, and mitigation in location-based recommender systems
Autores: Pablo Sánchez (Universidad Pontificia Comillas), Alejandro Bellogín (Universidad Autónoma de Madrid), Ludovico Boratto (Universidad de Cagliari)
Referencia completa del trabajo: Sánchez, P., Bellogín, A., & Boratto, L. (2023). Bias characterization, assessment, and mitigation in location-based recommender systems. Data Mining and Knowledge Discovery, 37(5), 1885-1929.

Este trabajo analiza y mitiga distintos tipos de polarización en sistemas de recomendación basados en localización, como la popularidad de lugares, la exposición desigual o la distancia geográfica. Se proponen dos enfoques automáticos de mitigación que logran mejorar la efectividad de las recomendaciones al tiempo que reducen estos sesgos, demostrando un impacto positivo en la equidad del sistema.

La Red ELIGE-IA felicita a los autores reconocidos por sus destacadas contribuciones y agradece la participación de todos los investigadores que presentaron sus trabajos. Esta convocatoria reafirma el compromiso de la red con la excelencia científica y la innovación responsable en inteligencia artificial.