Evaluating and Improving DM in UDP Development Research Projects

Ponente: Ignacio Marco Pérez (Grupo PSYCOTRIP, Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 20 de febrero de 2026, 11:30.

Resumen: Urban Data Platforms (UDPs) are key enablers of data-driven governance in smart cities, yet their validation and evaluation (particularly regarding data management practices) remain underexplored in research projects that involve their development or use. This study assesses data management maturity in two European smart city initiatives, CITyFiED and SmartEnCity, both aimed at supporting energy efficiency and climate neutrality through UDP development. Using the Alarcos’ Model for Data Improvement (MAMD v4.0), a process-based maturity framework aligned with international data management standards, we conducted a triangulated analysis combining project documentation review, expert interviews, and technical artifact inspection.

The results reveal a decreasing level of commitment at higher maturity stages, with operational data management outperforming data quality and governance processes. While incremental improvements between projects indicate experiential learning, persistent weaknesses were identified in metadata management, data quality strategies, and governance mechanisms. The study has demonstrated the applicability of organizational data maturity models to research-oriented, time-bounded environments and provides insights for strengthening data management practices in future smart city R&D projects.

Nota: La charla es una prueba de tiempo de la ponencia que presentará Ignacio en la 20th International Conference on Computer Aided Systems Theory (Eurocast 2026) que se celebrará en Las Palmas de Gran Canaria del 23 al 27 de febrero.

Towards Improving Medical Image Semantic Segmentation using Model Soups

Ponente: Joaquín Ortiz de Murua (Grupo PSYCOTRIP, Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 20 de febrero de 2026, 11:00.

Resumen: Semantic segmentation is a computer vision task that involves assigning each pixel in an image to a predefined category or class, and nowadays is mainly approached by developing deep learning models. These models play a crucial role in medical imaging; however, given the critical nature of medical applications, it is essential that each pixel of an image is correctly classified. In order to tackle this problem, several techniques are commonly used but they often entail high computational costs and require the generation of intermediate models that are usually discarded if they do not obtain the best results.

Model soups take advantage of these intermediate models to improve their performance. This approach aims to maximize metrics by averaging the weights of multiple models trained with different hyperparameters. In this work, we have developed a library to facilitate the creation of model soups for semantic segmentation independently of the underlying architecture of the segmentation models. We finally evaluate whether medical semantic segmentation performance can be improved using model soups built from intermediate checkpoints and different weight-averaging strategies.

Nota: La charla es una prueba de tiempo de la ponencia que presentará Joaquín en la 20th International Conference on Computer Aided Systems Theory (Eurocast 2026) que se celebrará en Las Palmas de Gran Canaria del 23 al 27 de febrero.

Enhancing Student Engagement and Learning in DatabaseProgramming Through Active Learning Strategies

Ponente: Beatriz Pérez Valle (Grupo PSYCOTRIP, Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 6 de febrero de 2026, 11:00.

Resumen: En esta charla se presentará una intervención educativa aplicada en una asignatura obligatoria del Grado en Ingeniería Informática sobre programación de bases de datos. El objetivo principal del estudio es promover una mayor motivación, interés y participación del alumnado, así como enriquecer su experiencia de aprendizaje.

Para ello, se diseñó e implementó un marco metodológico que integra tres estrategias de aprendizaje activo (pensar-emparejar-compartir o think-pair-share, gamificación y evaluación entre pares) para su aplicación en el aprendizaje de una librería de acceso a bases de datos. Estas estrategias permiten al alumnado construir de manera progresiva conocimiento sobre conceptos teóricos, aspectos algorítmicos y programas finales, respectivamente, siendo esta la primera vez que las aplicamos de forma conjunta para abarcar de manera integrada esta progresión de conocimientos.

La propuesta se evaluó mediante un análisis comparativo entre un grupo experimental y un grupo de control, junto con la recogida de la opinión del alumnado y la percepción del profesorado. Los resultados de la evaluación muestran mejoras significativas en el rendimiento académico, así como un aumento en la motivación y el grado de implicación del estudiantado.

Como resultado de la intervención realizada, se identificó una serie de lecciones aprendidas que pueden resultar útiles para docentes e investigadores interesados en aplicar este enfoque en otras asignaturas.

Nota: Este trabajo, realizado junto con Ignacio Marco, será presentado por Beatriz Pérez en el Technical Symposium on Computer Science Education (SIGCSE), que tendrá lugar en San Luis (Misuri) del 18 al 21 de febrero. La charla constituye una prueba de tiempo de dicha ponencia.