Título: Exploración de métodos para medir dificultad en ajedrez: extensiones, mejoras y limitaciones
Director: Dr. Ariel Arbiser
Jurados: Dr. Enrique Segura, Dr. Pablo Turjanski

RESUMEN
En este trabajo buscamos métodos computacionales para estimar la dificultad de una posición en ajedrez para jugadores humanos, con resultados extrapolables a otros juegos.
No existe una forma rigurosa de determinar cuándo en una posición es fácil o difícil encontrar la mejor jugada, pero intuitivamente podemos asociar este problema a hallar la probabilidad objetiva o subjetiva de que un jugador cometa un error.
Exploramos primeramente trabajos previos que encaran el problema de formas diversas, teniendo todas en común el uso de algún motor de ajedrez para estimar la evaluación de cada posición. Luego consideramos problemas de ajedrez, centrándonos en un modelo basado en árboles significativos. Analizamos el aporte de los distintos atributos propuestos sobre modelos de aprendizaje automático como árboles de decisión y redes neuronales. Hacemos un análisis que evidencia que los árboles significativos poseen limitaciones intrínsecas para distinguir la dificultad de los problemas.
Finalmente, proponemos un enfoque para estimar la dificultad mediante un esquema que busca emular la forma y el orden en que los jugadores humanos consideran jugadas candidatas. Con este último mecanismo y mediante aprendizaje automático obtuvimos mejores resultados, que evaluamos a través del coeficiente de determinación.