La Real Maestranza de Caballería de Sevilla entrega los Premios Mejores Expedientes y de Investigación de la UPO

Publicado: miércoles, 20 noviembre 2019 20:14

SEVILLA, 20 Nov. (EUROPA PRESS) -

La Real Maestranza de Caballería de Sevilla ha celebrado este miércoles el acto de entrega de los XI Premios de Investigación Real Maestranza de Caballería de Sevilla-Universidad Pablo de Olavide (UPO) y de los II Premios Mejores Expedientes Universitarios.

Los galardones han sido entregados por el teniente de hermano mayor de la Real Maestranza de Caballería de Sevilla, Santiago de León Domecq, y por el rector de la Universidad Pablo de Olavide, Vicente Guzmán Fluja, según ha informado la universidad en una nota de prensa.

Se trata de la segunda edición del premio a los mejores expedientes académicos de la Escuela Politécnica Superior y de cada facultad de la UPO que se unen a los ya tradicionales Premios de Investigación otorgados a la UPO por esta institución, con el fin de estimular los trabajos de investigación de calidad que puedan desarrollar investigadores jóvenes pertenecientes a esta universidad.

PREMIOS DE INVESTIGACIÓN

En esta edición, los campos premiados en investigación han sido los de experimental y social, que han sido otorgados, respectivamente, a Alba Olivares Nadal por su publicación A Sparsity-Controlled Vector Autoregressive Model, y a Cristina López Vargas por su publicación A scenario-based modeling method for controlling ECM perfomance. La Real Maestranza de Caballería ha otorgado a cada premiada 3.000 euros.

Alba V. Olivares Nadal es doctora en Matemáticas por la Universidad de Sevilla y ayudante doctora en el Área de Estadística e Investigación Operativa de la Universidad Pablo de Olavide. Actualmente es investigadora postdoctoral en la University of Chicago Booth School of Business, posicionada en el primer puesto por Forbes y The Economist. Está vinculada a varios proyectos I+D+I y sus investigaciones científicas han sido publicadas en revistas de gran impacto.

Su trabajo A Sparsity-Controlled Vector Autoregressive Model destaca por tratar un tema de gran relevancia para la comunidad investigadora mediante un método práctico y novedoso. Su objetivo es detectar las relaciones causales más significativas en grupos de datos temporales. La importancia de este problema radica en la necesidad, por parte de muchos investigadores, de hacer predicciones sobre un atributo que varía a lo largo del tiempo; para ello se debe descifrar el tejido de relaciones causa-efecto entre las series de datos temporales.

Este trabajo también persigue mejorar la visualización de dicho tejido, seleccionando únicamente los vínculos causales más relevantes, de manera que una red compleja de relaciones causa-efecto pueda simplificarse para ser percibida y entendida a simple vista. Los objetivos son modelados como un problema de optimización, que es resuelto mediante técnicas que no son comúnmente aplicadas en el campo de la estadística.

El método también es novedoso porque modela una gran variedad de facetas de la visualización, permitiendo además al usuario controlarlas todas. Los resultados muestran que esta técnica puede mejorar o mantener el nivel de predicción con respecto a otros métodos, haciendo uso de muchas menos variables.

PREMIOS MEJORES EXPEDIENTES

Los premiados con los mejores expedientes egresados en el curso 2017/2018 con Miguel Román Romero, del Doble Grado en Administración y Dirección de Empresas; Alba María Herrera Olivares, del Grado en Ciencias de la Actividad Física y del Deporte; Olaya García Ruiz, de Ciencias Ambientales; Francisco Miguel de Pina Cortés, del Doble Grado en Derecho y Administración y Dirección de Empresas; Sofía Álvarez García, de Sociología y en Trabajo Social; Adrián Granados Navarro, de Traducción Interpretación de Inglés, y Manuel Ridao Pineda, de Ingeniería Informática en Sistemas de Información.

Leer más acerca de: