• Save
Ingeniería del Conocimiento y del Producto
Upcoming SlideShare
Loading in...5
×

Like this? Share it with your network

Share

Ingeniería del Conocimiento y del Producto

  • 882 views
Uploaded on

Ponencia impartida en el Curso de Ingeniería del Conocimiento y del Producto, organizado por AINVEX y Techné Research Group, en la Facultad de Ciencias de la Universidad de Granada, los días 12 y......

Ponencia impartida en el Curso de Ingeniería del Conocimiento y del Producto, organizado por AINVEX y Techné Research Group, en la Facultad de Ciencias de la Universidad de Granada, los días 12 y 14 de abril de 2012.
Enlace del curso:
http://secretariageneral.ugr.es/pages/tablon/*/noticias-canal-ugr/2012/04/01/la-ugr-organiza-un-curso-sobre-aingenieria-del-conocimiento-y-del-productoa-para-el-desarrollo-de-productos-comerciales-innovadores
Enlace a página de Techné:
http://www.ugr.es/~tep028/eventos/curso_IC_IP_2012/curso_IC_IP_2012.php
Enlace a página de AINVEX:
http://ainvex.blogspot.com.es/2012/04/curso-ingenieria-del-conocimiento-y-del.html

More in: Education
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
No Downloads

Views

Total Views
882
On Slideshare
882
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
0
Comments
0
Likes
1

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Ingeniería del Conocimiento y del Producto Granada, 12 de Abril de 2012 Prof. Dr. José Pino DíazDepartamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. jpinod@uma.es
  • 2. La Ingeniería y la Cartografía del Conocimiento, herramientas para la I+D+i. INGENIERÍA Y CARTOGRAFÍA DEL CONOCIMIENTO VISUALIZACIÓN DE LA INFORMACIÓNIngeniería del conocimiento (Knowledgwe engineering): “Ingeniería que tiene porobjetivo la creación de indicadores, métodos e instrumentos - (sistemas deconocimiento) - de naturaleza matemática, informática y lingüística, para el análisis yla representación cartográfica de la información científica y técnica -(cartografía delconocimiento)”. (POLANCO, 1996).
  • 3. Ingeniería y Cartografía del Conocimiento y Toma de Decisiones Toma de DecisionesCartografía del Conocimiento (Visualización del nuevo conocimiento) Ingeniería del Conocimiento(Creación de nuevo conocimiento, KDD) Informetría, Cienciometría (Estudios cuantitativos) Bases Bibliográficas Fuentes de datos
  • 4. Inteligencia Competitiva y Desarrollo de Producto
  • 5. Sociedad del Conocimiento Prof. Dr. José Pino DíazDepartamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. jpinod@uma.es
  • 6. El Conocimiento The Knowledge La Connaissance• 2012-04-02, La UGR organiza un curso sobre “Ingeniería del conocimiento y del producto” para el desarrollo de productos comerciales innovadores• 2012-03-30, Andalucía y Corea se unen en investigación y transferencia de conocimiento• 2012-03-15, El conocimiento y la competitividad, claves para desarrollar actividades emprendedoras• 2012-03-13, La UMA organiza un foro sobre el desarrollo de empresas basadas en el conocimiento• 2012-02-03, La rectora anima a los estudiantes a innovar para progresar y transferir conocimiento
  • 7. Empresas basadas en el Conocimiento “Nuestra ventaja competitiva es la clavepara su éxito”
  • 8. Empresas basadas en el Conocimiento
  • 9. Empresas basadas en el Conocimiento El informetecnológico … … va más allá del proyecto individual, proporciona una descripción detallada de un segmento tecnológico especializado
  • 10. Empresas basadas en el Conocimiento
  • 11. Empresas basadas en el Conocimiento
  • 12. Empresas basadas en el Conocimiento
  • 13. Trilogía DICDatos, Información y Conocimiento. ¿Son la misma cosa? Veamos que existen diferencias:Los datos son los resultados de observaciones humanas sobre el estado del mundo y están asociados a un objeto o hecho concreto. Por ejemplo:la temperatura de una habitación, un número de teléfono, el resultado de un partido de fútbol, etc. Los datos son expresiones mínimas deinformación, que aisladas no tienen sentido en sí mismas, pero que adquieren valor dentro de un contexto determinado. Los datos, en definitiva,son hechos, imágenes o sonidos representados mediante números o símbolos estructurados.La información está compuesta de datos organizados, agrupados o clasificados en categorías que les dotan de significado. Por ejemplo: una listade teléfonos de un organismo público, un catálogo de los servicios de un ayuntamiento, etc. Además, la información está asociada a un contextoque facilita su interpretación. Por tanto, información son datos elaborados con un significado para el receptor.El conocimiento es la información interpretada, personalizada, que tiene valor y que está orientada a la acción, esto es, que propicia la tomaadecuada de decisiones. Por ejemplo: un procedimiento para transferir las llamadas de un departamento a otro, un documento informativo sobrecómo atender a los usuarios con algún tipo de discapacidad, etc. El conocimiento está asociado al individuo y a la acción, constituyendo uninstrumento para la toma de decisiones en el marco de una organización Ejemplo: • La organización de las notas musicales (datos=objeto) • En forma de partitura (información=contexto) constituyen información que puede ser interpretada por muchos músicos. • La destreza particular de un músico (conocimiento=acción) para interpretar la partitura se refiere al concepto de conocimiento.
  • 14. Sociedad de la Información y Sociedad del ConocimientoLa Sociedad de la Información es un estadio de desarrollo social caracterizado porla capacidad de sus miembros (los ciudadanos, las empresas y las AdministracionesPúblicas) para obtener, compartir y procesar cualquier información por medios delas Tecnologías de Información y Comunicación, desde cualquier lugar y en la formaque se prefiera.A partir del año 2000, se popularizó un concepto considerado más genérico por suamplitud de acciones, adoptando la denominación “Sociedad del Conocimiento"para referirse a la situación social, económica y tecnológica basada en la utilizacióndel conocimiento. El motor central de la sociedad actual es el conocimiento, lasactividades relacionadas con la producción de conocimiento.En la actualidad las organizaciones se enfrentan a dos problemas importantesrelacionados con la información: Infoxicación• Por una parte, la sobreabundancia de información, ya que lasorganizaciones acumulan gran cantidad de información de todo tipo.• Por otra parte, la escasez de información útil para tomar decisiones, estoes, la dificultad de encontrar la información que se necesita entre la marañade información y documentos que existen en la organización .
  • 15. Proceso de creación del conocimiento (Nonaka-Takeuchi, 1995)• La Socialización, es el proceso de adquirir conocimiento tácito a través de compartir experiencias por medio de exposicionesorales, documentos, manuales y tradiciones y que añade el conocimiento novedoso a la base colectiva que posee laorganización.• La Exteriorización, es el proceso de convertir conocimiento tácito en conceptos explícitos que supone hacer tangiblemediante el uso de metáforas conocimiento de por sí difícil de comunicar, integrándolo en la cultura de la organización; es laactividad esencial en la creación del conocimiento.• La Combinación, es el proceso de crear conocimiento explícito al reunir conocimiento explícito proveniente de ciertonúmero de fuentes, mediante el intercambio de conversaciones telefónicas, reuniones, correos, etc., y se puede categorizar,confrontar y clasificar para formas bases de datos para producir conocimiento explícito.• La Interiorización, es un proceso de incorporación de conocimiento explícito en conocimiento tácito, que analiza lasexperiencias adquiridas en la puesta en práctica de los nuevos conocimientos y que se incorpora en las bases de conocimientotácito de los miembros de la organización en la forma de modelos mentales compartidos o prácticas de trabajo.
  • 16. Espiral del Conocimiento
  • 17. Gestión de la Información y Gestión del Conocimiento.La Gestión de la Información es la gestión de documentos de todo tipo (gestión delconocimiento explícito contenido en documentos de todo tipo).La Gestión del Conocimiento engloba tanto la gestión de la información(conocimiento explícito) como la gestión del conocimiento tácito (conocimientointerno de las personas).Las principales herramientas que apoyan a un programa de gestión del conocimientoson:1. Data warehousing (Almacén de datos)2. Data mining (Minería de datos)3. Sistemas de soporte a la toma de decisiones4. Groupware (Software colaborativo)5. Sistemas de información para la dirección, todas ellas han de ser apoyadas adecuadamente por los sistemas de gestión documental
  • 18. Práctica:ESTADÍSTICAS DE BÚSQUEDAS DE GOOGLEGOOGLE TRENDGOOGLE NGRAMALERTAS DE GOOGLEGOOGLE READER
  • 19. Teoría Actor-Red Actor-network theory Théorie de l’acteur-Réseau Prof. Dr. José Pino DíazDepartamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. jpinod@uma.es
  • 20. Conocimiento Científico y Tecnológico Teoría Actor-Red • Filosofía de las Ciencias (Michel Serres) • Sociología del Conocimiento (David Bloor) • Sociología de la Ciencia y de la Técnica (Michel Callon, Bruno Latour) • Sociología de la Traducción • Sociología de las Asociaciones • Teoría Actor-Red (M. Callon, J.P. Courtial, B. Latour, etc.)“ … en la construcción social de un hecho científico intervienen entidades humanas y no humanas y elproceso continuo de transformación o traducción de las relaciones establecidas entre tales entidadesda como resultado una red en continuo cambio …”
  • 21. Teoría Actor-RedEl desarrollo en los años ochenta de laSociología de las Ciencias y Técnicas, Sociologíade la Traducción o Sociología de lasAsociaciones por Michel Callon y Bruno Latour(Centre de Sociologie de l’Innovation, Paris) apartir de recursos conceptuales, entre otros, deMichel Serres (Filosofía de las Ciencias) y deDavid Bloor (Sociología del Conocimiento), tienesu exponente en la Teoría Actor-Red (ANT eninglés), según la cual en la construcción socialde un hecho científico intervienen entidadeshumanas y no humanas y el proceso continuode transformación o traducción de lasrelaciones establecidas entre tales entidades dacomo resultado una red en continuo cambio;entendida ésta como una malla formada pornudos (actores) enlazados entre sí (relacionesque establecen entre ellos).
  • 22. Redes TecnocientíficasSe emplea el concepto de “red tecnocientífica” tal como fue planteado porLatour en 1983, es decir como la forma abreviada de “red de ciencia ytecnología”La Teoría Actor-Red es útil para describir las complejas relaciones que seestablecen en las redes de la Ciencia y Tecnología, así como las de la Tecnociencia(Echevarría y González, 2009), entendida ésta como una modalidad de laactividad científica y tecnológica fruto de la hibridación entre Ciencia yTecnología.Así cualquier red de la Tecnociencia (Latour, 1983) está formada por un conjuntode actores y un conjunto de relaciones establecidas entre ellos en un periodotemporal concreto. Con el tiempo los actores y las relaciones cambian y dan lugara nuevas redes y así se suceden unos a otros a lo largo del periodo de análisis.Esta teoría también llamada Sociología de la Traducción (entendida traduccióncomo conversión, transformación, variación o cambio), estudia los cambios quese producen en las redes de conocimiento tecnocientífico.
  • 23. Análisis EstratégicoEl Análisis Estratégico consiste en esencia en la identificación y tipificación de losactores y las relaciones fuertes; se trata de una “reducción de la complejidadconservando lo fundamental”.La Vigilancia Estratégica Científica y Tecnológica es el conjunto de tareas quebuscan “proporcionar buena información a la persona idónea en el momentoadecuado” y en el lugar adecuado; buena información sobre el entorno científicoy tecnológico de la organización.La Planificación Estratégica es el “principal instrumento para la gestión de unaorganización a corto plazo, 2 ó 3 años”; es una herramienta para la mejoracontinua y la innovación en la organización.
  • 24. Análisis Estratégico de Redes Tecnocientíficas Evaluación de Redes Tecnocientíficas
  • 25. Práctica:PAJEK (http://pajek.imfm.si/doku.php)
  • 26. Minería de datos Data mining Exploration de données Prof. Dr. José Pino DíazDepartamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. jpinod@uma.es
  • 27. DatabasesUna base de datos es un conjunto de información estructurada en registros yalmacenada en un soporte electrónico legible por ordenador.• Cada registro constituye una unidad autónoma de información que puede a su vezestar estructurada en diferentes campos o tipos de datos que se recogen en la basede datos• Una base de datos se crea y mantiene de forma continuada con el objetivo deresolver necesidades de información concretas de un colectivo, una organización o elconjunto de la sociedad.
  • 28. Creación de nuevo conocimiento a partir de bases de datos bibliográficas (Knowledge Discovery in Databases, KDD)
  • 29. Data Mining, a KDD Process Data mining: the core of Knowledge Discovery Pattern Evaluation Databases process. Data Mining Task-relevant Data Data Selection Data PreprocessingData WarehouseData CleaningData Integration Databases
  • 30. Minería de datosLa Minería de Datos es la extracción dirigida de la información existente en las bases dedatos con el fin de descubrir patrones, relaciones o asociaciones para generar nuevoconocimiento.Algunos tipos de DM: - Web mining - Web content mining (minería de contenido web) - Web structure mining (minería de estructura web) - Web usage mining (minería de uso web) - Text mining (minería de datos textuales) - Spatial data mining (minería de datos espaciales)
  • 31. Data Mining: Confluence of Multiple Disciplines Database Statistics TechnologyMachineLearning Data Mining Visualization Information Other Science Disciplines
  • 32. Data mining and Making decisionsIncreasing potentialto supportmaking decisions End User Making Decisions Data Presentation Business Analyst Visualization Techniques Data Mining Data Knowledge Databases Discovery Analyst Data Exploration Statistical Analysis, Querying and Reporting Data Warehouses / Data Marts OLAP, MDA DBA Data Sources Paper, Files, Information Providers, Database Systems, OLTP
  • 33. Minería de textos Text mining Fouille de textes Prof. Dr. José Pino DíazDepartamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. jpinod@uma.es
  • 34. Text mining, a KDD ProcessIn 2001, Dow Chemicals merged with Union Carbide Corporation (UCC), requiring a massive integration of over 35,000 of UCC’sreports into Dow’s document management system. Dow chose ClearForest, a leading developer of text-driven business solutions,to help integrate the document collection. Using technology they had developed, ClearForest indexed the documents andidentified chemical substances, products, companies, and people. This allowed Dow to add more than 80 years’ worth of UCC’sresearch to their information management system and approximately 100,000 new chemical substances to their registry. Whenthe project was complete, it was estimated that Dow spent almost $3 million less than what they would have if they had usedtheir own existing methods for indexing documents. Dow also reduced the time spent sorting documents by 50% and reduceddata errors by 10-15%.En 2001, Dow Chemicals se unió a Union Carbide Corporation (UCC). Esta unión requirió la integración de 35.000 informes de UCCen el sistema de gestión del documentos de Dow. Dow Chemicals eligió a la empresa ClearForest, líder en text-driven businesssolutions, para realizar la integración de la colección de documentos. Usando tecnología ad-hoc se identificaron sustanciasquímicas, productos, empresas, centros y personas. Esto permitió que Dow Chemicals agregara más de 80 años de investigaciónde UCC a su sistema de gestión de información y aproximadamente 100.000 nuevas sustancias químicas a su registro. Cuando elproyecto se completó, se estimó que Dow Chemicals ahorró casi 3 millones de dólares y que el tiempo empleado en clasificar losdocumentos se redujo un 50% y los errores de datos entre un 10-15%.
  • 35. Text mining applied
  • 36. A hypothetical text miningEjemplo hipotético de text mining para descubrir aspectos relacionados con un nuevo gen X. En la colección de textos biomédicosse realizan tres búsquedas sobre tres genes A, B, y C; …En la acción final sólo se seleccionarán los documentos que contengan por lo menos una de las palabras clave que aparecen en lazona superior del ranking de palabras clave y que mencionen a los tres genes conocidos.
  • 37. Práctica:TEXT MINING
  • 38. Text mining: Concept linckageUna aplicación muy popular del text mining es relatada en Hearst (Untangling Text Data Mining, 1999), Don Swanson intentaextraer información derivada de coleccionesde texto. Teniendo en cuenta que los expertos sólo pueden leer una pequeñaparte de lo que se publica en su campo, por lo general no se dan cuenta de los nuevos desarrollos que se suceden en otroscampos.Así, Swanson ha demostrado cómo cadenas de implicaciones causales dentro de la literatura médica pueden conducir ahipótesis para enfermedades poco frecuentes, algunas de las cuales han recibido pruebas de soporte experimental.Investigando las causas de la migraña, dicho investigador extrajo varias piezas de evidencia a partir de títulos de artículospresentes en la literatura biomédica. Algunas de esas claves fueron:• El estrés está asociado con la migraña.• El estrés puede conducir a la pérdida de magnesio.• Los bloqueadores de canales de calcio previenen algunas migrañas.• El magnesio es un bloqueador natural del canal de calcio.• La depresión cortical diseminada (DCD) está implicada en algunas migrañas.• Los niveles altos de magnesio inhiben la DCD.• Los pacientes con migraña tienen una alta agregación plaquetaria.• El magnesio puede suprimir la agregación plaquetaria.Estas claves sugieren que la deficiencia de magnesio podría representar un papel en algunos tipos de migraña, una hipótesisque no existía en la literatura y que Swanson encontró mediante esas ligas. De acuerdo con Swanson (Swanson y otros,1994), estudios posteriores han probado experimentalmente esta hipótesis obtenida por text mining con buenosresultados.“Data mining: torturando a los datos hasta que confiesen”.http://www.uoc.edu/molina1102/esp/art/molina1102/molina1102.html
  • 39. Text mining:Topic tracking
  • 40. Text mining:Topic tracking
  • 41. Text mining:Information visualization
  • 42. Text mining:Information visualization
  • 43. Sistemas de conocimiento Knowledge-based systemsSystème danalyse dinformation Prof. Dr. José Pino Díaz Departamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. jpinod@uma.es
  • 44. Sistemas de conocimientoLos sistemas de conocimiento son sistemas expertos ideados para crear nuevo conocimiento a partirdel conocimiento explícito presente en los documentos de las bases de datos. Siguen el proceso KDD en susdiferentes fases. Tienen su origen en los softwares cienciométricos desarrollados para facilitar el análisis degrandes conjuntos documentales científicos o tecnológicos (artículos científicos, patentes, tesis doctorales, etc.).Los sistemas de conocimiento son de gran utilidad para los equipos de inteligencia competitiva y de vigilanciatecnológica de las organizaciones ya que proporcionan informes, diagramas, gráficos y mapas muy apreciados enla toma de decisiones estratégicas. La evaluación de redes de conocimiento se beneficia de la existencia desistemas de conocimiento desarrollados para transformar la información en conocimiento, procesando de unamanera rápida y controlada ingentes conjuntos documentales y creando nuevo conocimiento a partir de ellos.La ingeniería del conocimiento es la rama de la inteligencia artificial que tiene por objetivo la creación deindicadores, métodos e instrumentos de naturaleza matemática, informática y lingüística, para el análisis y larepresentación cartográfica de la información científica y técnica.
  • 45. HenochFrench or English Lexicons or text-data terminological resourcesDataset or Corpus Clustering DBMS-R Term Extraction and And Bibliometric Mapping Indexation statistics WWW Server SDOC MIRIAD ILC NEURODOC HENOCH Mac PC WS 46
  • 46. Stanalyst Bases de datos Recursos terminológicos 1 2 3 4 CORPUS BIBLIOMETRIA INDIZACION INFOMETRIA Interrogación Estadísticas Manual o Clasificación y y Datos descriptivas Automática Cartografía Proyecto Acceso e identificación Navigador – Interface usuarioEsquema del Sistema de Conocimiento Stanalyst (Polanco, 2006). El módulo“Infometría” de Stanalyst es un sistema de clasificación automática basado en dosprogramas alternativos, Neurodoc (redes neuronales) y Sdoc (análisis de palabrasasociadas). Tomado de:http://www.cincel.cl/documentos/Recursos/STANALYST2006.ppt
  • 47. CoPalRedCopalred es un sistema de conocimiento (herramienta de Ingeniería del Conocimiento) creado en el año 2003por Rafael Bailón-Moreno, basado en el análisis de palabras asociadas y que tiene su antecedente en Leximappe,software desarrollado por Whittaker, Law, Courtial y Bauin. Leximappe se ha mostrado útil en el análisisestratégico de las redes de conocimiento científico y técnico. Leximappe y Copalred han sido empleados en elestudio de grandes conjuntos documentales de diferentes disciplinas académicas: Arqueología, IngenieríaQuímica, Fisioterapia, Conjuntos Difusos o Espacios Naturales Protegidos.
  • 48. Análisis de Palabras Asociadas Co-Word Analysis (1)• El investigador transmite conocimiento tácito en los textos; éstos se constituyen en conocimiento explícito. Este nuevo conocimiento se analiza mediante métodos matemáticos, informáticos y lingüísticos, entre ellos el método del análisis de palabras asociadas o co-word analysis.• Se utiliza para estudiar la estructura y la dinámica del conocimiento en un dominio documental concreto.• Puede ser empleado a modo retrospectivo, “a tiempo real” o de forma prospectiva.• Se basa en dos teorías sociológicas: la Teoría Actor-Red y la Teoría de la Traducción.• Es un Índice Relacional de 2ª generación en Evaluación de la Ciencia• Método de Knowledge Discovery in Databases (KDD)• Se utiliza para estudiar las Redes Tecnocientíficas.
  • 49. Análisis de Palabras Asociadas (2)• Matriz de coocurrencias o matriz de adyacencia. Matriz simétrica que muestra en los puntos de corte entre filas y columnas, cij, las coocurrencias de los valores que encabezan cada fila i y cada columna j.• Índice de equivalencia o de asociación entre las palabras i y j. donde: eij.- Indice de equivalencia o de asociación entre las palabras i y j Cij.- Co-ocurrencia de las palabras i y j Ci.- Ocurrencia de la palabra i Cj.- Ocurrencia de la palabra j. Los valores de eij oscilan entre 0 y 1. Cuando dos palabras no aparecen nunca juntas, su coocurrencia es nula, el índice de equivalencia vale cero. Este índice es independiente del tamaño de la muestra.
  • 50. Sistema de conocimiento Redes 2005(Text mining: Clustering + Information visualization)
  • 51. Sistema de conocimiento Redes 2005(Text mining: Clustering + Information visualization) Vídeo-captura de pantalla que muestra el funcionamiento del sistema de conocimiento Redes 2005
  • 52. Vigilancia tecno-científica Inteligencia competitiva Prospectiva Prof. Dr. José Pino DíazDepartamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. jpinod@uma.es
  • 53. ¿Qué es la Vigilancia Tecnológica?
  • 54. Sistemas de Inteligencia Tecnológica
  • 55. Prospectiva
  • 56. Prospectiva
  • 57. Práctica herramientas:VIGILANCIA TECNOLÓGICA
  • 58. Vigilancia Tecnológica para la PYME
  • 59. Vigilancia Tecnológica en Espacenet (RSS)
  • 60. Boletines de Vigilancia Tecnológica
  • 61. Vigilancia Tecnológica en la OEPM (RSS)
  • 62. Búsquedas en el BOPI
  • 63. Búsquedas en el BOPI
  • 64. Genoma España
  • 65. E-Learning sobre Patentes y Vigilancia Estratégica Prof. Dr. José Pino DíazDepartamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. jpinod@uma.es
  • 66. e-Learning sobre patentes
  • 67. Guía para solicitar patentes
  • 68. e-Learning sobre Vigilancia Estratégica Científica y Tecnológica
  • 69. ¿¿¿ Preguntas ???¿¿¿ Comentarios ???
  • 70. Muchas Gracias Prof. Dr. José Pino DíazDepartamento de Filología Griega, Estudios Árabes, Lingüística General y Documentación. Universidad de Málaga. Campus de Teatinos 29071-Málaga. jpinod@uma.es