crojasc2/mtsk-classifier

Clasificador Temático MTSK

Modelo de clasificación textual para artículos científicos relacionados con la Teoría del Conocimiento Especializado del Profesor de Matemáticas (MTSK).

Descripción

Este modelo clasifica artículos científicos en cinco categorías temáticas del MTSK:

Clase	Descripción
T1	Formación inicial de profesores
T2	Formación de formadores
T3	MTSK en diferentes tópicos y niveles
T4	Desarrollo del MTSK
T5	Extensiones del MTSK

Modelo base

intfloat/multilingual-e5-large con cabeza de clasificación personalizada (Dropout=0.3 + Linear).

Datos de entrenamiento

• 293 artículos científicos en español y portugués
• Fuente: Congreso Internacional MTSK (CIMTSK) y revistas especializadas
• Split: 80% entrenamiento / 20% validación

Métricas (validación)

• F1 macro: 0.7776
• Accuracy: 0.7966
• Semilla: SEED=7

Uso

from transformers import AutoTokenizer, AutoModel
import torch

model_name = "intfloat/multilingual-e5-large"
tokenizer = AutoTokenizer.from_pretrained("TU_USUARIO/mtsk-classifier")

# El texto debe incluir prefijo "query: "
texto = "query: Título del artículo Resumen del artículo Palabras clave"
encoding = tokenizer(texto, truncation=True, padding=True,
                     max_length=128, return_tensors="pt")

Cita

Si usas este modelo en tu investigación, por favor cita:

Rojas Celis, C. & Elorreaga, L.M. (2025). Clasificador interpretativo
para trabajos sobre MTSK usando modelos LLMs.
Universidad El Bosque, Maestría en Estadística Aplicada y Ciencia de Datos.

Interpretabilidad

El modelo incluye análisis SHAP para explicar las decisiones de clasificación. Los tokens más relevantes por clase se pueden consultar en la documentación del proyecto.