Patrones de movimiento pueden ser identificados cuando se estudia un grupo de entidades móviles, como un grupo de personas, una bandada de pájaros, un banco de peces, un convoy de vehículos, entre otros. En este artículo, se analiza un patrón, conocido como liderazgo. Informalmente, este patrón se caracteriza por una entidad móvil llamada líder que motiva o representa el comportamiento de un grupo con el fin de alcanzar un objetivo durante un período. Se propone un método formal para estimar la posición y la dirección donde un líder debería estar ubicado y orientado en un punto del tiempo con el fin de liderar un grupo. Estas estimaciones pueden también ser útiles para verificar la consistencia de los datos de un patrón de liderazgo y para estimar la información faltante (posición y dirección) de un líder en un tiempo específico, i.e., un proceso de imputación. Con el fin de mostrar la conveniencia de la propuesta, se implementó y se desarrolló una serie de experimentos mediante Netlogo, un entorno programable de modelado para la simulación de fenómenos naturales y sociales.

La creciente y enorme cantidad de datos, del orden de exabytes, generados por las aplicaciones empresariales actuales han originado conjuntos masivos de estos. Los sistemas de gestión de bases de datos (SGBD) NoSQL han surgido como una alternativa a los SGBD relacionales para la gestión de estos conjuntos. Entre los principales SGBD NoSQL está MongoDB. En este artículo se compara el rendimiento entre MongoDB y Oracle (uno de los principales SGBD que soporta bases de datos relacionales). La comparación se basa en las operaciones de inserción, consulta, actualización y borrado (CRUD, por sus siglas en inglés). Aunque se requieren experimentos más exhaustivos y muchos otros tipos de pruebas, los resultados ofrecen un punto de partida para el análisis de rendimiento en estos SGBD.

Los grandes volúmenes de datos que se manejan actualmente demandan métodos automáticos para la extracción de conocimiento. En particular, la minería de texto se ocupa de la extracción de conocimiento a partir de textos. En este artículo se proponen dos algoritmos para determinar a partir de las letras de sus canciones, la tendencia emocional de un álbum. Se sigue un enfoque jerárquico: las categorías emocionales para clasificar los álbumes agrupan a las subcategorías emocionales de las canciones. Esto es razonable, porque una canción tiende a estar orientada a una (sub)categoría emocional específica. De esta forma la categoría emocional de un álbum es una ponderación de las subcategorías emocionales de sus canciones. Esta ponderación puede ser configurada por parte del analista musical, lo que permite incorporar un elemento de subjetividad en la propuesta. Mediante una serie de experimentos se evaluaron los algoritmos propuestos. Aunque es necesario experimentar con más datos, los resultados evidenciaron la conveniencia, consistencia y utilidad de los algoritmos propuestos

En este artículo se propone un método para la concepción de consultas recursivas en SQL (Structured Query Language). Este método constituye una alternativa que puede ser considerada tanto desde el punto de vista de la optimización de consultas como de Sistemas de Gestión de Bases de Datos que no disponen de operadores especializados para soportar tales tipos de consultas.