Franco Giustozzi
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Previous Organizations / Institutes
The organizations / institutes from the scholar's other articles in the past ten years
Franco Giustozzi has a total of 10 co-authors. Here are the top co-authors by number of shared publications:
- Julien Saunier
Litis, INSA Rouen Normandie, Saint Etienne du Rouvray, France
2 shared publications - Léa Charbonnier
Univ Rouen Normandie, Université Le Havre Normandie, Normandie Univ
2 shared publications - Ana Casali
Facultad de Ciencias Exactas, Ingeniería y Agrimensura, Universidad Nacional de Rosario y Centro Internacional Franco Argentino de Ciencias de la Información y de Sistemas
1 shared publication - Cecilia Zanni-Merk
INSA Rouen Normandie, Rouen, France
1 shared publication - Claudia Deco
Facultad de Cs. Exactas, Ingeniería y Agrimensura, Universidad Nacional de Rosario, Rosario
1 shared publication - Cristian Cechinel
Federal University of Alagoas
1 shared publication
Latest Publications
- Open Access
- 11 August 2026
- Published by Springer Nature
- p. 3-18
From Detection to Explanation: Combining Stream Reasoning and Concept Induction in Smart Farming
- 11 August 2026
- Published by Springer Nature
- p. 3-18
Open AccessFrom Detection to Explanation: Combining Stream Reasoning and Concept Induction in Smart Farming
- Open Access
- 11 August 2026
- Published by Springer Nature
- p. 142-156
Bridging Prompting and Semantic Grounding: A Unified Evaluation Framework for Document-Level Relation Extraction
- 11 August 2026
- Published by Springer Nature
- p. 142-156
Open AccessBridging Prompting and Semantic Grounding: A Unified Evaluation Framework for Document-Level Relation Extraction
- 4 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
STEaMINg : semantic time evolving models for industry 4.0
STEaMINg : modèles sémantiques qui évoluent dans le temps pour l'industrie 4.0: Dans l'industrie 4.0, les machines des usines sont équipées de capteurs qui collectent des données pour une surveillance efficace de l'état des équipements. C’est une tâche difficile car elle nécessite l’intégration et le traitement de données hétérogènes provenant de différentes sources, avec des résolutions temporelles et des significations sous-jacentes différentes. Les ontologies apparaissent comme une méthode pertinente pour traiter l’intégration des données et pour représenter la connaissance de manière interprétable par les machines grâce à la construction de modèles sémantiques. De plus, la surveillance des processus industriels dépend du contexte dynamique de leur exécution. Dans ces circonstances, le modèle sémantique lui-même doit évoluer afin de représenter dans quelle(s) situation(s) se trouve(nt) la ou les ressources pendant l’exécution de ses tâches pour soutenir la prise de décision. Cette thèse étudie l’utilisation des méthodes de représentation des connaissances pour construire un modèle sémantique évolutif qui représente le domaine industriel, en mettant l’accent sur la modélisation du contexte pour fournir la notion de situation.
- 4 April 2026
- Published by Agence Bibliographique de l'Enseignement Supérieur
STEaMINg : semantic time evolving models for industry 4.0
STEaMINg : modèles sémantiques qui évoluent dans le temps pour l'industrie 4.0: Dans l'industrie 4.0, les machines des usines sont équipées de capteurs qui collectent des données pour une surveillance efficace de l'état des équipements. C’est une tâche difficile car elle nécessite l’intégration et le traitement de données hétérogènes provenant de différentes sources, avec des résolutions temporelles et des significations sous-jacentes différentes. Les ontologies apparaissent comme une méthode pertinente pour traiter l’intégration des données et pour représenter la connaissance de manière interprétable par les machines grâce à la construction de modèles sémantiques. De plus, la surveillance des processus industriels dépend du contexte dynamique de leur exécution. Dans ces circonstances, le modèle sémantique lui-même doit évoluer afin de représenter dans quelle(s) situation(s) se trouve(nt) la ou les ressources pendant l’exécution de ses tâches pour soutenir la prise de décision. Cette thèse étudie l’utilisation des méthodes de représentation des connaissances pour construire un modèle sémantique évolutif qui représente le domaine industriel, en mettant l’accent sur la modélisation du contexte pour fournir la notion de situation.
- 25 October 2025
- Published by Springer Nature
- p. 36-53
A Novel Concept Induction Approach for Explainable Quality 4.0
- 25 October 2025
- Published by Springer Nature
- p. 36-53
A Novel Concept Induction Approach for Explainable Quality 4.0
- 23 June 2025
- Published by Springer Nature
- p. 67-80
LLM-Driven Case-Base Populating for Structuring and Integrating Restoration Experiences
- 23 June 2025
- Published by Springer Nature
- p. 67-80
LLM-Driven Case-Base Populating for Structuring and Integrating Restoration Experiences
- 24 November 2016
- Published by Institute of Electrical and Electronics Engineers (IEEE)
- Vol. 58, 1-8
Recommender system of educational resources: A critiquing-based proposal
The learning objects recommending systems designed in the last decade employ different recommendation techniques, which mainly use collaborative filtering and content-based filtering. This paper aims to analyze a new recommendation approach, that has not been yet applied to learning objects communities, called critiquing-based recommendation. This approach gathers the users preferences through an interaction based on examples and critiques. This feedback helps the system to recommend the most suitable learning resources. In this work we propose an hybrid recommender system of open educational resources that combines collaborative filtering and critiquing-based techniques. A prototype using MERLOT data and considering just one round of interaction was built in order to evaluate the recommendation results amongst a small group of volunteers. Preliminary results pointed out that the relevance of recommended learning resources increases as the system receives the users feedback and generates new recommendations based on it.
- 24 November 2016
- Published by Institute of Electrical and Electronics Engineers (IEEE)
- Vol. 58, 1-8
Recommender system of educational resources: A critiquing-based proposal
The learning objects recommending systems designed in the last decade employ different recommendation techniques, which mainly use collaborative filtering and content-based filtering. This paper aims to analyze a new recommendation approach, that has not been yet applied to learning objects communities, called critiquing-based recommendation. This approach gathers the users preferences through an interaction based on examples and critiques. This feedback helps the system to recommend the most suitable learning resources. In this work we propose an hybrid recommender system of open educational resources that combines collaborative filtering and critiquing-based techniques. A prototype using MERLOT data and considering just one round of interaction was built in order to evaluate the recommendation results amongst a small group of volunteers. Preliminary results pointed out that the relevance of recommended learning resources increases as the system receives the users feedback and generates new recommendations based on it.