Miriam Esteve Campello

La pasión por investigar de Miriam Esteve Campello nació gracias al buen hacer de sus docentes: «Empecé mis estudios en el grado de Ingeniería Informática en la Universidad Miguel Hernández de Elche (UMH) y enseguida di con una profesora de Fundamentos Físicos de la Informática, María del Mar Sánchez-López, que me motivó y me inspiró para dedicarme a la investigación. Más adelante, otro profesor, Alejandro Rabasa, me llevó a un centro de investigación criminológico, también en la Universidad Miguel Hernández. Allí creé una herramienta que podían utilizar la Policía y los cuerpos de seguridad a nivel europeo para detectar discursos de odio en redes sociales, de forma que pudiesen atrapar al delincuente de la manera más rápida posible».

Luego vendrían el Máster Universitario Oficial en Análisis y Prevención del Crimen en la UMH, el Máster Universitario Oficial en Ingeniería de Sistemas de Decisión en la Universidad Rey Juan Carlos y la tesis doctoral en el Centro de Investigación Operativa de la UMH, donde se gestaría una línea de investigación que ha hecho a Esteve Campello merecedora del galardón. «A través de varios artículos de investigación ligados a mi tesis doctoral, he creado puentes de unión entre dos campos que apenas tenían conexión hasta el momento: el aprendizaje automático y la estimación de funciones de producción en microeconomía, que permiten medir la eficiencia y productividad de todo tipo de empresas y organizaciones. Mis investigaciones han hecho posible refundar la técnica conocida como análisis envolvente de datos, haciendo que evolucione hasta convertirse en un modelo perteneciente al campo del aprendizaje automático». La pujanza de esta área de investigación es tal que, como pone de relieve Esteve Campello, actualmente investigadora en la Universidad Fundación San Pablo CEU, «una búsqueda en Google Scholar de data envelopment analysis, su denominación en inglés, devuelve casi 200.000 resultados».

El resultado de su trabajo es una técnica denominada efficiency analysis tree (EAT), que proporciona predicciones precisas sobre cómo maximizar el beneficio con los mínimos recursos o con los disponibles en una situación dada. «Hemos ilustrado el uso de esta nueva técnica con aplicación de bases de datos reales en el sector financiero o en análisis de las características de las mejores ciudades para vivir en Estados Unidos», pero también es trasladable a dominios como el de la educación: «puedes analizar distintos colegios y extraer qué recursos emplean aquellos en los que los alumnos obtienen mejores calificaciones y así tratar de emularlos o superarlos».