Search

Para sensibilizar a las personas sobre el cambio climático, construimos un videojuego 2D multinivel enfocado en el ODS N° 13: Acción climática, específicamente en la meta 13.3: Mejorar la educación, la sensibilización y la capacidad humana e institucional sobre la mitigación del cambio climático, adaptación, reducción del impacto y alerta temprana. El videojuego cuenta con niveles para jugar en solitario y en modo multijugador. La plataforma de desarrollo fue Unity y la conexión multijugador se realizó mediante la biblioteca Photon Unity Networking 2. La historia principal del videojuego aborda algunas consecuencias del cambio climático y algunas acciones que se pueden tomar para evitar impactar negativamente al medio ambiente.

Objetivo Establecer si existía asociación entre la composición de la fórmula leucocitaria al momento del diagnóstico y el desarrollo de enfermedad severa, crítica o muerte en pacientes de 18 años o más con diagnóstico confirmado de infección por SARS-CoV2. Diseño Estudio observacional analítico de tipo cohorte retrospectiva. Población Pacientes de 18 años o más con diagnóstico confirmado de infección por SARS-CoV2, atendidos entre marzo de 2020 y julio de 2021 en el Hospital Universitario de La Samaritana en Bogotá, Colombia. Métodos Se realizó un agrupamiento no supervisado y se ajustó un modelo de regresión logística incluyendo como variable de exposición el grupo identificado por la composición y otras covariables. Se realizó la descripción de las variables de acuerdo con su nivel de medición. Resultados Fueron incluidos 645 pacientes con una edad promedio de 57.3 años (DE 16.88) y de los cuales 390 (60.3%) eran hombres. La componente dominante en la composición fueron los neutrófilos, con la menor variación (7.44 % de la varianza total). El agrupamiento no supervisado identificó la existencia de tres grupos con diferencias en el centro de la composición. La edad promedio fue mayor en el grupo 3 comparado con el grupo 1 (60.37 y 56.48 años respectivamente, valor de p=0.002), y tuvieron una presentación clínica más severa y mayor compromiso de la oxigenación. El OR crudo establecido por el modelo de regresión logística, identificó asociación entre el grupo 3 y la muerte (OR 2.02 IC 1.46 a 2.90). Luego del ajuste por otras covariables el OR fue de 1.84 (1.11 a 3.09). Conclusiones Existe asociación entre la composición de la fórmula leucocitaria al diagnóstico y el estado vital en pacientes con infección por SARS-CoV2. El grupo con mayor riesgo presenta una mayor proporción de neutrófilos y menor proporción de linfocitos.

La medición del intervalo QT en cardiología, se usa como índice en la detección de arritmias ventriculares o como estimador del efecto de fármacos en tratamientos contra el cáncer. Esta medición tiene un comportamiento diferente en frecuencias cardiacas extremas (altas o bajas), por lo que es necesario realizar una corrección al QT (QTc). Existen diferentes fórmulas de corrección, cada una útil en tipos de patologías diferentes. La mayoría de los electrocardiógrafos vienen configurados para imprimir el resultado del ECG con la fórmula de corrección de Bazett, lo que obliga a los profesionales de salud en caso de requerir una fórmula diferente, a realizar el cálculo manualmente, siendo esto, susceptible a errores. Dado el contexto anterior, se plantea un modelo de inteligencia artificial capaz de extraer las características latentes de la señal presente en una fotografía de las derivaciones 2 y 5 de un electrocardiograma convencional, para así, estimar a través de un algoritmo de aprendizaje profundo los dos parámetros de cálculo para la corrección del QT; el intervalo RR y el QT. Se utilizó una muestra de 800 imágenes de 400 pacientes con ECG de diversas características. Los resultados arrojados en los más de 50 experimentos nos muestran un error cuadrático medio de 250 ms para el algoritmo de QT y 54 ms para el RR. Si bien los resultados en términos de métricas de desempeño mostraron una solución razonable por parte del modelo, no podemos afirmar que sea una estimación óptima para su aplicación en un entorno clínico.

La retroalimentación de los estudiantes es una de las fuentes más relevantes para evaluar la calidad del curso y realizar mejoras en base a los comentarios que los estudiantes hacen sobre las clases. Se demuestra que la opinión de los estudiantes influye en la superación constante de los instructores que imparten los cursos. Por lo general, estas encuestas contienen preguntas de escala Likert y preguntas abiertas. Sin embargo, los coordinadores académicos suelen centrarse en las respuestas cuantitativas y rara vez leen las respuestas abiertas. Para resolver este problema, el estudio actual analiza la retroalimentación de los estudiantes y sintetiza los datos usando técnicas de Lenguaje de Procesamiento Natural (NLP) como modelado de temas y análisis de emociones, para diagnosticar y evaluar el punto de vista de los estudiantes. La fuente de esta investigación es la retroalimentación de los estudiantes de los cursos de una universidad colombiana ubicada en Bogotá en el primer período de 2022. Adicionalmente, se utilizó la metodología CRISP DM para abordar la solución para obtener modelos adaptativos al contexto de las encuestas a los estudiantes. Esta investigación muestra que utilizando modelos como Latent Dirichlet Allocation (LDA) se puede sintetizar la información del texto para obtener clusters de palabras para complementar y obtener diferentes aspectos que no fueron medidos en las respuestas cuantitativas como la capacidad de relacionarse con los estudiantes de diferentes maneras en lugar de ser solo profesor y alumno o mostrar y comunicar los conocimientos necesarios para dictar un curso.

Durante los dos últimos años modalidad remota ha tomado un lugar importante en la educación superior en Colombia, especialmente durante la pandemia generada por el COVID-19. Apoyados en los modelos de Inteligencia Artificial, se pueden automatizar los procesos de minería de opinión de diferentes tipos de comentarios. Es por ello que el propósito de este trabajo es caracterizar las opiniones de los estudiantes mediante la identificación de aspectos dentro del entorno académico, de tal manera que permita reconocer las falencias en la implementación de los mismos en el marco del desarrollo de los cursos bajo la modalidad remota y de esta manera realizar las mejoras pertinentes. Primero se realiza el proceso de clasificación de texto, identificando cada uno de los aspectos en los comentarios mediante el uso de BERT, para posteriormente llevar a cabo un análisis de sentimiento basado en aspectos utilizando PySentimiento, una herramienta de análisis de sentimientos en español. Finalmente se hace un análisis comparativo y descriptivo mediante el Modelado de Tópico a través BERTopic, en tiempos prepandemia y así distinguir los cambios entre estas dos épocas.

La productividad que se logra en el sector de hidrocarburos no es solo el resultado del valor de venta del producto final, también las pérdidas o ganancias en torno a los procesos de operación influyen considerablemente. El monitoreo del proceso que va desde la extracción, el transporte, el procesamiento de producto, y la comercialización, es muy importante. Este seguimiento se realiza por medio de tecnologías que remotamente envían información del estado de los equipos a un software en forma de banderas o excepciones, dicha información es analizada y gestionada por el personal, sin embargo, es una labor complicada debido a la cantidad y a la complejidad de su solución la cual está sujeta a la experiencia del analista. Por lo anterior, y por la criticidad de esta labor, el presente trabajo busca apoyar la clasificación eficiente de excepciones, para ello se toman comentarios que han sido establecidos en la gestión previa por expertos y recopilados en una base de datos. Mediante la implementación de un modelo de Procesamiento del Lenguaje Natural (PLN) se crea una base de conocimiento con datos estructurados que enriquecen el vector de características para posteriormente ejecutar un modelo de Inteligencia Artificial (IA) que clasificará las excepciones reincidentes para categorizarlas y gestionarlas de acuerdo con el comportamiento de la operación, permitiendo que el personal se centre en excepciones nuevas o que requieren un tratamiento particular.

Servicios de Alimentación de la Pontificia Universidad Javeriana es una unidad que se encarga de ofrecerle a la comunidad alimentos y bebidas garantizando una excelente calidad, en donde actualmente ofrecen la entrega de productos a domicilios que se solicitan por medio de WhatsApp. Sin embargo, esta alternativa es poco conocida por la comunidad y limita la interacción de los clientes con la organización. Por esta razón, este proyecto propone un mecanismo en donde los clientes de Servicios de Alimentación puedan realizar la compra de productos para la modalidad de domicilio y de recoger en tienda, junto con un sistema inteligente que realice recomendaciones de productos que puedan incrementar las ventas en la organización. Adicionalmente, este proyecto le permite a los Restaurantes, Domiciliarios y Administradores gestionar las órdenes y recursos de la organización de una manera más sencilla.

Hoy en día uno de los principales problemas del municipio de Sibaté, Colombia, es la falta de seguridad en las calles, lo cual es un gran desafío que debe enfrentar el gobierno. A causa de esto los autores del documento han decidido enfocarse en el problema de la gestión del crimen que agobia a la alcaldía de Sibaté y asusta a la población todos los días. Para solucionar el problema se propone un sistema que busca mejorar el proceso de generación y recepción de reportes. El propósito del presente documento es describir todo el proceso y todas las fases que se han ejecutado para entregar un prototipo completamente funcional del sistema y dejar la oportunidad de ampliarlo en el futuro.

Resumen- La ineficiencia de la justicia colombiana es un fenómeno dilatorio; la justicia colombiana cuenta con 11 funcionarios judiciales por cada 100.000 habitantes, congestión significativa en el número de procesos judiciales en inventario, y en consecuencia enfrenta actos de corrupción. Los últimos desarrollos en algoritmos de aprendizaje profundo y técnicas como el aprendizaje de transferencia han llenado de nuevas posibilidades al PLN (Procesamiento del Lenguaje Natural), aunque cada vez son más los proyectos de digitalización, especialmente en el ámbito jurisdiccional; este constante torrente de información de datos que se ha creado hace posible entrenar modelos de Machine Learning con datos que permitan incursionar en la investigación de modelos de IA para una decisión judicial en Colombia. Proponemos un método para mejorar la calidad de las búsquedas y los modelos de clasificación de textos basados en rankings para textos de jurisprudencia utilizando el aprendizaje de transferencia y el BERT. La búsqueda se basa en la conversión de 23.750 textos de ley de la "Corte Constitucional" en vectores multidimensionales basados en modelos pre-entrenados y la búsqueda de estos vectores utilizando una búsqueda de similitudes usando FAIIS, distancia euclidiana y KNN para el campo de categorización de textos . Los resultados de este modelo fueron conectados a una interfaz web y fueron evaluados en base a la metodología propuesta por Knijnenburg donde se busca un método pragmático basado en el usuario para medir el sistema de recuperación propuesto, las preguntas fueron planteadas a un grupo de abogados y estudiantes de derecho, los resultados fueron comparados con los motores de búsqueda tradicionales y tiene una mayor calidad percibida de recomendación según los resultados.

Durante una sesión virtual de clase, tanto los factores positivos como los negativos pueden afectar a los alumnos. Es difícil para los profesores evaluar el estado emocional de cada estudiante. Para ayudar a los profesores, se ha desarrollado un prototipo web que capta la imagen de cada alumno durante la clase, la clasifica mediante un algoritmo de aprendizaje de máquina y envía los resultados al profesor para que pueda visualizarlos en tiempo real. Una vez terminada la clase, el profesor tiene la posibilidad de analizar los datos y ajustar las técnicas de enseñanza para que los estudiantes aprovechen mejor las clases.

La inteligencia artificial es una de las ciencias que ha incrementado su participación en múltiples contextos hoy en día [Malik et al., 2018], incluyendo la medicina, agronomía, sistemas productivos, educación, entre otros. En este documento se da a conocer el proceso de creación de un sistema de detección de emociones basado en inteligencia artificial el cual hará parte de una plataforma que busca brindar apoyo de manera proactiva a los estudiantes de la Pontificia Universidad Javeriana con el objetivo de reducir los índices de deserción estudiantil. El modelo se crea usando como base la metodología CRISP-DM para proyectos de minería de datos, obteniendo al final la definición de un API/REST el cual permite llevar a cabo predicciones de emociones tomando como insumo la imagen suministrada por el usuario.

La evolución de la tecnología y la sociedad trae muchos beneficios tanto para las empresas como para las personas. Sin embargo, con los desarrollos de la Inteligencia Artificial, la lucha contra el racismo, la xenofobia o cualquier otro tipo de discriminación sigue teniendo un papel importante en las luchas sociales y el debate público contemporáneos. Por lo tanto, es necesario que, en el desarrollo de diferentes tipos de tecnologías, y especialmente en Machine Learning e Inteligencia Artificial, estos sesgos no se estimulen y aumenten, sino que se disminuyan. Para este propósito, es necesario un método consistente para identificarlos y evaluarlos. Este artículo propone un modelo general para la evaluación del sesgo posterior al desarrollo para modelos de Machine Learning. Para ejemplificar y validar dicho modelo, se evalúan dos modelos, los modelos GPT-2 y GPT-3, con resultados positivos que hablan muy bien de sus procesos de entrenamiento. Encontramos una disminución en la probabilidad de casi 8.6 puntos porcentuales de un comentario negativo –cuando un texto es generado por los modelos y tiene una palabra relacionada a una distinción racial–, en comparación con el caso base donde el texto es generado por un humano y también contiene palabras relacionadas con distinción racial.

Como resultado del proceso de ingeniería de software se obtuvo una solución al problema de la posible mejoría de la conciencia situacional en residentes médicos en anestesiología. La solución es una aplicación web soportada por un sistema de realidad mixta que se ejecuta en las gafas Microsoft HoloLens 2. Esta aplicación está diseñada bajo el paradigma SOA (Service-Oriented Architecture) debido a su capacidad para escalar y tener un sistema modular. Los servicios están orientados al manejo de procedimientos médicos junto a los servicios que interpretan la información médica proveniente del monitor de signos vitales. El sistema se implementó en lenguaje C# a través del framework .NET el cual brinda herramientas para el diseño de aplicaciones web y servicios REST. También se cuenta con el entorno de desarrollo 3D Unity con el cual se desarrolló la aplicación en realidad mixta que se ejecutará en el casco de realidad mixta HoloLens. Se cuenta con un servicio de bases de datos relacional SQL que, junto con el Entity Framework de .NET, guardará la información de los procedimientos, usuarios y demás factores que el equipo de proyecto consideró necesarios para el buen funcionamiento. Finalmente se realizó el proceso de pruebas unitarias para verificar el funcionamiento de los servicios y de la aplicación. Estas pruebas se realizaron usando la librería xUnit. Todo esto obedeciendo a los objetivos planteados para este trabajo de grado.

Con este proyecto se busca solucionar problemas de negocio asociados al análisis de textos en el contexto de la industria audiovisual. Para ello se utilizaron técnicas del estado del arte en NLP (Natural Language Processing) como las arquitecturas transformers, con el fin de clasificar textos según sus temas y según sus arcos narrativos Vonnegut. Adicionalmente, se propuso un modelo de lenguaje general basado en una combinación de las técnicas propuestas por la arquitectura ALBERT y las tareas de entrenamiento propuestas por ELECTRA. Los resultados de aplicación de estos modelos demuestran alta precisión en análisis de sentimiento y clasificación por géneros, aunque la cantidad y naturaleza de los datos para entrenamiento no permiten predicciones adecuadas de arcos narrativos.

Considerando las redes sociales como escenarios de generación masiva de datos, las organizaciones modernas están más interesadas que nunca en explotar este potencial. Sin embargo, poder aprovechar esa situación requiere de un proceso bien estructurado, que permita extraer, procesar y transformar datos para que, en etapas posteriores, pueda servir como base para generar conocimiento relevante para las organizaciones. Para implementar una solución al problema descrito anteriormente, se propone la elaboración de un módulo de software que extrae datos de múltiples redes sociales, para luego transformarlos de manera más granular y, finalmente, almacenarlos en un repositorio central de datos.

El presente trabajo de grado consiste en desarrollar una herramienta de inteligencia de negocios para el Departamento de Ingeniería de Sistemas de la Pontificia Universidad Javeriana el cual facilite la toma de decisiones en la programación de las asignaturas que se deben ofertar al inicio de cada semestre. La solución planteada se enfoca en reducir el tiempo que conlleva realizar todo este proceso. Haciendo uso de la información proporcionada por la universidad se recopila una data procedente de los últimos 5 años; a estos datos se los somete a un proceso de transformación y optimización para poder implementar los modelos analíticos predictivos que permitan identificar las asignaturas que se deben programar según la demanda de estudiantes cada semestre. Los resultados se presentarán mediante un tablero de control visualizando las materias y el aproximado de cupos necesarios por cada uno.

El presente proyecto de grado aborda los desafíos que enfrentan los pacientes del sistema de salud colombiano al gestionar su documentación médica. La falta de interoperabilidad entre prestadores de salud ha llevado a que los pacientes deban gestionar manualmente documentos relevantes, lo que puede resultar incómodo y riesgoso. La solución propuesta comprende un algoritmo de procesamiento de lenguaje natural y una aplicación móvil. El algoritmo clasifica automáticamente los documentos médicos en correos electrónicos, mientras que la aplicación móvil ofrece a los pacientes una herramienta para organizar y clasificar la información médica de manera eficiente y segura, buscando mejorar la experiencia del usuario y la calidad de los servicios de atención médica.

Con el paso del tiempo las organizaciones, han dado mayor valor a las habilidades que un candidato debe cumplir, más allá del título o nivel académico. Es por eso que le dan mayor importancia la obtención de datos que permitan entender las habilidades demandadas en el mercado laboral. Es por eso que se creó Laborchart: un dashboard que permite ver las tendencias de habilidades demandadas en el mercado laboral de Bogotá, el cual periódicamente es alimentado por un flujo que extrae información de ofertas publicadas en páginas de empleo. Además, usa un modelo de etiquetado de habilidades (MEH) que es capaz de identificar y categorizar las habilidades demandadas en las descripciones de las ofertas, ya sea socioemocionales, técnicas, o digitales.