(Mg.) Maestría en Ciencias con mención en Tecnología de la Información

Browse

Browsing (Mg.) Maestría en Ciencias con mención en Tecnología de la Información by browse.metadata.advisor "Valles Coral, Miguel Angel"

Filter results by typing the first few letters
Now showing 1 - 4 of 4
  • Thumbnail Image
    Item
    Algoritmos de aprendizaje automático supervisado en la predicción del rendimiento académico
    (Universidad Nacional de San Martín. Fondo Editorial, 2022-11-09) Montilla Garcia, Henrry; Valles Coral, Miguel Angel
    El objetivo general fue analizar la eficiencia de los algoritmos de aprendizaje automático supervisado en la predicción del rendimiento académico en matemática de los estudiantes del quinto grado de secundaria de la I. E. “Santa Rosa”, y los objetivos específicos: predecir el rendimiento académico para el 2021 con el algoritmo de aprendizaje automático supervisado más eficiente; determinar la relación entre las calificaciones del 2010 al 2020 y la predicción del rendimiento académico para el 2021; y pronosticar el rendimiento académico en matemática desde 2021 al 2027. La investigación fue de tipo básica, nivel descriptivo, compuesto, predictivo, no experimental. La muestra censal fue de 2933 estudiantes. La hipótesis general planteó que existen algoritmos de aprendizaje automático supervisado que predicen el rendimiento académico en matemática de los estudiantes del quinto grado, con una eficiencia mayor o igual al 95%. La investigación concluyó con que hay algoritmos de aprendizaje automático supervisado que predicen el rendimiento académico con eficiencias mayores o iguales al 95%. Además, la predicción del rendimiento académico para el 2021 en matemática es confiable con el 100% de aciertos, usando el algoritmo de aprendizaje automático supervisado K vecinos más cercanos, como el más eficiente; no existe una relación significativa entre las calificaciones del 2010 al 2020 y la predicción del rendimiento académico para el 2021 con el algoritmo K vecinos más cercanos; y el pronóstico del rendimiento académico en matemática del 2021 al 2027 tiene una tendencia positiva e incremental.
  • Thumbnail Image
    Item
    Aplicación de un algoritmo no supervisado para clasificar extranjeros según riesgo de inmigración irregular en la Superintendencia Nacional de Migraciones
    (Universidad Nacional de San Martín. Fondo Editorial, 2023-08-25) Lazo Bartra, Ulises; Valles Coral, Miguel Angel
    Aplicación de un algoritmo no supervisado para clasificar extranjeros según riesgo de inmigración irregular en la Superintendencia Nacional de Migraciones La migración es un fenómeno social que afecta la estructura y distribución de la población, siendo motivada por la búsqueda de mejores oportunidades y condiciones de vida. Sin embargo, la migración irregular plantea desafíos para los países receptores, ya que implica el ingreso de personas sin la documentación adecuada y puede generar inseguridades en términos de seguridad nacional y control de fronteras. En este contexto, este estudio tuvo como objetivo evaluar la aplicación de un algoritmo no supervisado para clasificar extranjeros según el riesgo de inmigración irregular en la Superintendencia Nacional de Migraciones. Para ello, se utilizó el algoritmo DBSCAN (Agrupamiento Espacial Basado en la Densidad de Aplicaciones con Ruido). La metodología del estudio involucró la construcción de un dataset con datos de extranjeros reportados por la Superintendencia Nacional de Migraciones, la aplicación del algoritmo DBSCAN para clasificar a los extranjeros en diferentes clústeres según su nivel de riesgo de inmigración irregular, y la determinación del coeficiente de Silhouette como medida de la calidad de la clasificación. Los resultados mostraron que el algoritmo de aprendizaje no supervisado DBSCAN logró clasificar a los extranjeros en cuatro clústeres representando los niveles de riesgo de inmigración irregular: alto, medio alto, medio bajo y bajo. El coeficiente de Silhouette obtenido fue de 0,534, lo cual indica una clasificación significativa y consistente. En conclusión, este estudio demostró que la aplicación de DBSCAN como algoritmo no supervisado es una estrategia efectiva para la clasificación de extranjeros según el riesgo de inmigración irregular en la Superintendencia Nacional de Migraciones. Estos resultados tienen implicaciones importantes para la toma de decisiones informadas por parte de los inspectores migratorios, contribuyendo a la reducción de la inmigración irregular y al mantenimiento del estatus migratorio adecuado en el país.
  • Thumbnail Image
    Item
    Chatbot web basado en procesamiento de lenguaje natural para gestionar el estrés en estudiantes universitarios
    (Universidad Nacional de San Martín. Fondo Editorial, 2024-09-18) Pinedo Tuanama, Lloy Pool; Valles Coral, Miguel Angel
    El estrés es un estado mental caracterizado por preocupación o tensión que se manifiesta en situaciones difíciles, incluidas las del contexto universitario; esta respuesta natural varía en intensidad según el manejo que se le dé. En este contexto, la investigación tuvo como objetivo medir la influencia de un chatbot web basado en procesamiento de lenguaje natural en la gestión del estrés en estudiantes universitarios. Se llevó a cabo una investigación aplicada con un enfoque cuantitativo, nivel descriptivo-explicativo y diseño cuasiexperimental. La población estuvo compuesta por 529 docentes y 6,241 estudiantes, con una muestra de 200 docentes y 237 estudiantes. Además, se seleccionaron 32 estudiantes para formar los grupos de control y experimental. La técnica empleada fue la encuesta y el instrumento utilizado fue un cuestionario validado por juicio de expertos. Con el apoyo del software SPSS v.26, se realizó un análisis estadístico descriptivo e inferencial. Entre los resultados destacados, se encontró que el 65% de los docentes de la UNSM desconocen los síntomas del estrés en los estudiantes, el 35% no aplica métodos para identificar los factores estresantes y el 51% desconoce estrategias para afrontarlos. Por otro lado, el 59% de los estudiantes de la UNSM ha utilizado alguna vez un chatbot; de estos, el 41% lo usó con fines educativos o de aprendizaje, mientras que el 78% nunca ha utilizado un chatbot para la atención de la salud mental. Los hallazgos también describen el desarrollo del chatbot web utilizando el lenguaje de programación Python y una base de datos en MySQL, con conexiones establecidas entre el modelo GPT-3.5-Turbo. En el proceso de implementación del chatbot web, al comparar el grupo de control con el grupo experimental, se observó una reducción del estrés en el 19% de los estudiantes universitarios. Sin embargo, la prueba de hipótesis U de Mann-Whitney mostró un valor de significancia asintótica (bilateral) de 0,073. Dado que este valor es mayor a 0,05, se rechazó la hipótesis nula (H0), concluyendo que no hay suficiente evidencia estadística para afirmar que el uso del chatbot web tiene una influencia significativa en la gestión del estrés entre los estudiantes universitarios.
  • Thumbnail Image
    Item
    Modelo de visión artificial empleando imágenes de las uñas para la detección no invasiva de anemia ferropénica en estudiantes universitarios
    (Universidad Nacional de San Martín. Fondo Editorial, 2024-09-16) Navarro Cabrera,Jorge Raul; Valles Coral, Miguel Angel
    En este estudio, se propone el uso de un modelo de visión artificial basado en DenseNet para la detección no invasiva de anemia ferropénica utilizando imágenes de uñas capturadas con smartphones, respondiendo a la necesidad de métodos diagnósticos accesibles y eficientes en contextos educativos. El objetivo principal fue validar los resultados del medidor de hemoglobina Rad-67 mediante este modelo de visión artificial. Se diseñó un protocolo detallado para la recolección de imágenes de uñas de estudiantes, y se construyeron y evaluaron varios modelos, destacándose DenseNet por su desempeño. En el conjunto de validación, DenseNet mostró una precisión de 0.6983, una sensibilidad de 0.6477, un F1-Score de 0.6525 y un AUC ROC de 0.7409, indicando una correlación positiva con los resultados del medidor Rad-67 y demostrando su capacidad para clasificar estados anémicos. A pesar de no alcanzar una precisión extremadamente alta, los avances logrados son significativos, y con ajustes adicionales en el preprocesamiento y la configuración del modelo, es posible mejorar aún más su rendimiento. Este enfoque promete facilitar el diagnóstico temprano y preciso de la anemia, promoviendo el uso de tecnologías móviles y aprendizaje automático para diagnósticos más accesibles y eficientes a nivel global.