Evaluación integrada de calidad y balance de datos en germoplasma de malanga mediante conjuntos aproximados y métricas multidimensionales

Resumen

La calidad y el balance de datos en bancos de germoplasma vegetal son aspectos fundamentales para garantizar su utilidad en aplicaciones críticas como el fitomejoramiento y la conservación de recursos genéticos. Este estudio aborda estos desafíos mediante la combinación de dos enfoques metodológicos innovadores. En primer lugar, se aplicó la Teoría de Conjuntos Aproximados (Rough Sets Theory, RST) para evaluar métricas clave de calidad de datos: completitud, consistencia y precisión. Estas métricas permiten identificar inconsistencias, priorizar atributos relevantes y garantizar la confiabilidad de los datos. En segundo lugar, se propuso un marco multidimensional para evaluar el balance de clases mediante cinco métricas cuantitativas complementarias: Ratio de desbalance, Coeficiente de variación, Índice de Gini, Índice de Theil y entropía normalizada. Este enfoque integral permite una evaluación rigurosa de la distribución de clases. El análisis se realizó sobre un conjunto de datos de germoplasma de malanga. Los análisis se implementaron en R, utilizando paquetes especializados como RoughSets para RST y funciones personalizadas para el cálculo de métricas de balance. La integración de ambos enfoques ofrece una herramienta robusta y reproducible para mejorar la gestión de datos de germoplasma vegetal. Este estudio contribuye al desarrollo de estrategias más efectivas para la conservación y el aprovechamiento sostenible de recursos genéticos, con aplicaciones directas en investigación agrícola, biotecnología y programas de biodiversidad.