1. TESIS

URI permanente para esta colecciónhttps://repositorio.unap.edu.pe/handle/20.500.14082/1558

Examinar

Mostrando 1 - 20 de 210

Thesis
Aplicativo móvil de geolocalización para la mejora del nivel de satisfacción del transporte estudiantil que ofrece la UNA Puno
Chambilla Vilca, Josue Job; Condori Alejo, Henry Ivan , 2025-12-22 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
Actualmente, el transporte estudiantil de la Universidad Nacional del Altiplano enfrenta una problemática relacionada con el nivel de satisfacción de los usuarios, donde la falta de información oportuna ha generado que solo una minoría mantenga una impresión positiva del servicio. Esta incertidumbre obliga a los estudiantes a enfrentar tiempos de espera prolongados e inciertos, lo que afecta directamente su satisfacción y desincentiva el uso del transporte. Ante esto, el objetivo principal de la investigación fue la implementación de un aplicativo móvil de geolocalización para la mejora del nivel de satisfacción del transporte estudiantil que ofrece la UNA Puno. La investigación se abordó desde un enfoque cuantitativo, utilizando un diseño pre experimental para medir el cambio en la percepción de los usuarios. Se seleccionó una muestra de 30 estudiantes, a quienes se les administró una encuesta de satisfacción en dos momentos: antes y después de utilizar el aplicativo desarrollado bajo la metodología Mobile-D. Los datos recopilados fueron sometidos a un análisis estadístico mediante las pruebas T-Student y de Wilcoxon. Los resultados fueron concluyentes, demostrando que la implementación del aplicativo móvil logró disminuir significativamente la proporción de estudiantes sin acceso a la información a un 66.7% y reducir el tiempo de espera promedio al encontrar un bus en un 27.84%. Asimismo, se registró un aumento relativo del 85.7% en la percepción del cumplimiento de paraderos y un aumento relativo del 83.3% en la percepción del cumplimiento de horarios. En consecuencia, el proyecto logró una mejora sustancial y validada estadísticamente en el nivel de satisfacción general de los estudiantes con el transporte universitario.
Thesis
Automatización de la evaluación visual de la severidad de la enfermedad de la roya del café usando redes neuronales convolucionales en el distrito de Ayapata
Salcca Lagar, Dany; Jallurani Ruelas, Kevin Arnold; Fernandez Chambi, Mayenka , 2025-11-06 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
En el distrito de Ayapata, provincia de Carabaya y departamento de Puno, se ha identificado que los cultivos de café enfrentan un problema de producción debido a que se ven afectadas por la enfermedad de la roya de café causada por el hongo Hemileia vastatrix que afecta a las hojas del café, dañando con un tono amarillento y provocando una caída temprana de las hojas afectando así en la producción del café. Por lo tanto, el objetivo de este estudio es desarrollar un modelo de red neuronal convolucional para automatizar la evaluación visual de la severidad de la enfermedad de la roya de café en 4 escalas y dar un diagnóstico temprano. La investigación es de enfoque cuantitativo, tipo aplicada y diseño experimental, la metodología comprende en la adquisición de imágenes con y sin presencia de la enfermedad, seguido del procesamiento y segmentación de estas para mejorar su calidad. Posteriormente, se construirá redes neuronales convolucionales para evaluar la severidad. Como resultado, el modelo híbrido que concatena MobileNetV2 y EfficientNetB0 alcanzó una precisión del 94.88% en la evaluación de la severidad de la roya, mostrando además una alta eficiencia en el tiempo de respuesta frente a la inspección visual tradicional.
Thesis
Automatización con visión artificial para la caracterización automática de fotografías de carnets de postgrado según normativas SUNEDU en la Universidad Nacional del Altiplano, 2025
Puraca Calapuja, Carlos Virgilio; Ayala Polloyqueri, Juan Carlos; Sucasaire Monroy, Wildo , 2025-11-06 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
La transformación La transformación digital en las instituciones de educación superior exige automatizar procesos administrativos aún manejados manualmente. En la Universidad Nacional del Altiplano (UNA), la validación de fotografías para carnets de posgrado genera retrasos, subjetividad y sobrecarga operativa. La presente investigación tuvo como objetivo diseñar, implementar y evaluar un sistema automatizado basado en visión artificial para validar dichas fotografías conforme a la normativa SUNEDU. El estudio utilizó un enfoque cuantitativo con diseño pre–experimental. Se construyó un dataset de 2,600 fotografías curadas mediante un protocolo de doble ciego, obteniendo un coeficiente Kappa de 0.87. El sistema integra verificación determinista de metadatos (formato, dimensiones y 300 DPI) y modelos de aprendizaje profundo. U²-Net se empleó para segmentación y MobileNetV2, con transfer learning, para la clasificación de conformidad. Los resultados demuestran una mejora significativa frente al proceso manual. El sistema alcanzó una exactitud del 95.40% y un F1-Score del 96.50% en el conjunto de prueba. Asimismo, redujo el tiempo promedio de validación de 28.6 segundos (revisión manual) a 0.40 segundos por imagen, logrando una mejora del 98.60% en eficiencia operativa. La prueba de McNemar (p < 0.001) confirmó diferencias estadísticamente significativas a favor del sistema automatizado. Finalmente, una encuesta aplicada a usuarios administrativos evidenció un nivel de satisfacción del 91%. Se concluye que la solución desarrollada es técnicamente viable, mejora sustancialmente el proceso institucional y constituye un modelo replicable para otras universidades peruanas que buscan modernizar sus procedimientos de validación documental.
Thesis
Modelo de visión computacional basado en YOLO y OCR para la identificación de taxis informales en la ciudad de Puno
Maquera Ramos, Milesa Rocio; Quispe Mamani, Efren Hamell; Aceituno Rojo, Miguel Romilio , 2025-11-07 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
La informalidad laboral se ha convertido en una problemática creciente y persistente en el sector del transporte urbano de la ciudad de Puno. Esta situación genera efectos adversos, tales como el incremento de la inseguridad ciudadana y la competencia inequitativa frente al sector legal. En este contexto, el objetivo de esta investigación fue desarrollar un modelo de visión computacional basado en YOLO (You Only Look Once) y OCR (Optical Character Recognition) para identificar de manera rápida y precisa los taxis informales que operan en la ciudad de Puno. Para ello, se adoptó una metodología de tipo aplicada, con enfoque cuantitativo y diseño preexperimental. En la primera fase, se construyeron dos datasets: el primero compuesto por 2000 imágenes de taxis y el segundo por 1000 imágenes de placas vehiculares, cada una dividida en 80% para entrenamiento y 20% para validación. Como resultado, se obtuvieron dos modelos de detección: el primero, enfocado en la identificación de taxis, alcanzó una precisión de 98.47%, un recall de 97.77% y un F1-score de 98.11%, mientras que el segundo, orientado a la detección de placas vehiculares, obtuvo una precisión de 98.44%, un recall de 99.66% y un F1-score de 99.29%. La gestión y almacenamiento de datos se realizó mediante el motor de base de datos SQLite. Adicionalmente, se efectuó una comparación entre tres librerías de OCR y YOLO como técnica de extracción de caracteres, seleccionando esta última debido a su destacado desempeño al integrarse con el modelo general, alcanzando una exactitud de 95.33% frente a las demás alternativas. Finalmente, estos resultados permitieron concluir que el modelo propuesto detecta con una alta efectividad los vehículos informales que prestan el servicio de taxi en la ciudad de Puno.
Thesis
Análisis predictivo de resultados en los exámenes de admisión a la escuela de ingeniería de sistemas mediante modelos de aprendizaje automático (2018-2022)
Callata Collanqui, Edilberto; Ojeda Mamani, Josué Calip; Jimenez Chura, Adolfo Carlos , 2025-05-30 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
La presente investigación tiene como objetivo desarrollar, entrenar y evaluar modelos de aprendizaje automático para predecir el ingreso de postulantes a la Escuela Profesional de Ingeniería de Sistemas, utilizando métricas de rendimiento como precisión, recall, F1-score y la curva ROC (AUC). Se recopiló un conjunto de datos de los procesos de admisión de los años 2018 al 2021, que se utilizó para el entrenamiento y validación de los modelos, mientras que los datos del año 2022 se emplearon para realizar predicciones y evaluar el desempeño real de los modelos en datos no vistos. Se exploraron técnicas de preprocesamiento de datos, como normalización, selección de características y balanceo de clases, con el fin de optimizar la calidad del dataset. Se implementaron y compararon seis modelos de clasificación: Regresión Logística, Árboles de decisión, Random Forest, XGBoost, K-Nearest Neighbors (KNN) y Support Vector Machines (SVM). El modelo SVM presentó la mayor precisión global con un 92% de exactitud, mientras que la Regresión Logística obtuvo un desempeño equilibrado con un AUC de 72%. Finalmente, se validaron los modelos con los datos de admisión del año 2022, observándose una disminución en el rendimiento predictivo, lo que sugiere la necesidad de una actualización constante de los modelos con datos recientes.
Thesis
Identificación de niveles de depresión en tweets en español de la red social X mediante un modelo de análisis de sentimientos
Portugal Chipana, Anthony Jhonatan; Arias Escarcena, Franklin Jose; Sotomayor Alzamora, Guina Guadalupe , 2025-12-01 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
La depresión es un trastorno emocional grave y debilitante que afecta a millones de personas en todo el mundo, su impacto en la calidad de vida de quienes la padecen es significativo, interrumpiendo las actividades cotidianas y generando un profundo sufrimiento emocional. En el presente trabajo se buscó identificar los niveles de depresión en tweets de la red social X mediante la aplicación de un modelo de Análisis de Sentimientos. Se empleó un enfoque cuantitativo, de tipo aplicado con un diseño no experimental, utilizando una muestra de 28365 tweets divididos en tres niveles de depresión. Se adoptó una metodología considerando, las etapas de recopilación de datos, preprocesamiento de datos, selección de la técnica de modelado, aplicación del modelo seleccionado y evaluación del modelo. Los resultados mostraron que el modelo propuesto alcanza su mejor rendimiento con respecto a la métrica Recall en la clase sin depresión con un 90%, seguido de la clase con depresión clara con un 88% y la clase con depresión leve con un 87%, obteniendo en promedio un 88%. En consecuencia, se concluye que el modelo de Análisis de Sentimientos BETO tiene un buen rendimiento al identificar los niveles de depresión de manera automática en tweets de la red social X.
Thesis
Red Neuronal Convolucional para evaluar el nivel de daño pulmonar causado por neumonía en muestras de rayos-x con pacientes del hospital de Macusani, 2023
Ccama Ramos, Rene Gonzalo; Ticona Yanqui, Fidel Ernesto , 2025-11-05 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
La presente investigación desarrolló un sistema de Redes Neuronales Convolucionales (CNN) para evaluar el nivel de daño pulmonar causado por neumonía mediante imágenes de rayos-x de tórax del Hospital San Martín de Porres de Macusani. El estudio empleó metodología cuantitativa con diseño experimental, procesando un total de 16,922 imágenes con 1,769 imágenes locales que incluye 120 imágenes reservados para validación final y 15,153 imágenes complementarias. Se desarrolló un sistema dual (a) modelo de clasificación diagnostica compatible con Grad-CAM, y (b) modelo de segmentación. El modelo de clasificación alcanzó exactitud global de 97.82%, sensibilidad de 96.98%, especificidad de 98.50% y AUC-ROC promedio de 99.85%. El modelo de segmentación logró coeficiente Dice de 98.89% e IoU de 97.81%. Se implementó exitosamente el sistema de escalas médicas estandarizadas (RALE 0-8, Brixia 0-18, RSI 0-72) integrado con técnicas de interpretabilidad Grad-CAM, que implementa un score compuesto con ponderaciones (RSI 40%, RALE 25%, Brixia 25%, Grad-CAM 10%) el cual clasifica el daño pulmonar en cinco niveles interpretables sin daño (0-5%), leve (5-25%), moderado (25-50%), severo (50-75%) y crítico (75-100%). La validación clínica final con 120 casos reservados demostró coincidencia del 93.3% con diagnósticos especializados. Esta investigación establece un precedente importante para la implementación de sistemas de inteligencia artificial en entornos hospitalarios rurales, contribuyendo a reducir las brechas en el acceso a diagnósticos radiológicos especializados.
Thesis
Control de plagas en cultivos de quinua utilizando arquitectura híbrida de redes neuronales y transformadores en el Centro Poblado de Putinacucho - Moho
Tito Calderon, Jofran Hernan; Huayta Flores, Lenin , 2025-09-25 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
El cultivo de quinua en el Altiplano puneño enfrenta afectaciones constantes por plagas larvales, que impactan negativamente en su producción. En zonas donde la quinua se cultiva en pequeñas parcelas familiares y con acceso limitado a asistencia técnica, el problema se agrava por la dificultad de reconocer y controlar oportunamente estas plagas. El objetivo de la investigación fue evaluar el rendimiento del modelo MobileViT en el reconocimiento de larvas lepidópteras mediante una aplicación móvil para el control de plagas en cultivos de quinua en el centro poblado de Putinacucho. La investigación tuvo un enfoque cuantitativo, de diseño experimental y aplicado. Se trabajó con un conjunto de datos de 1385 imágenes de larvas pertenecientes a las familias Gelechiidae y Noctuidae, organizadas en proporciones del 60% para entrenamiento, 20% para validación y 20% para prueba. La variante MobileViT-S alcanzó una exactitud del 97.26% en la clasificación binaria y fue integrada en una aplicación móvil Android, SumaQuinua, diseñada para funcionar sin conexión a internet, brindando reconocimiento automático junto con fichas técnicas basadas en el Manejo Integrado de Plagas. El tiempo promedio de inferencia fue de 183.18 ms, medido en un dispositivo smartphone Samsung Galaxy Note 9 (SM-N960F). La solución desarrollada permite identificar larvas lepidópteras y ofrecer recomendaciones prácticas para el control de plagas, constituyéndose en una herramienta tecnológica de apoyo para los agricultores altoandinos.
Thesis
Modelo de atención al cliente utilizando procesamiento del lenguaje natural para mejorar el servicio en las oficinas del Servicio de Administración Tributaria Puno, 2023.
Chambilla Choquecota, Drake Leonel; Aceituno Rojo, Miguel Romilio , 2025-11-07 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
En las oficinas del Servicio de Administración Tributaria de Puno (SAT Puno) se identificó una alta frecuencia de consultas relacionadas con trámites tributarios y una limitada capacidad de atención presencial debido a la falta de personal especializado. Ante esta situación, se desarrolló una investigación orientada a determinar el modelo de atención al cliente basado en procesamiento del lenguaje natural (PLN) que ofrezca los mejores resultados en la mejora del servicio. Para ello, se analizaron los procesos actuales de atención y se implementaron tres modelos conversacionales: GPT-3.5, Dialogflow y Transformers. Cada modelo fue evaluado bajo las mismas condiciones mediante 150 sesiones de interacción (50 por modelo), considerando indicadores de desempeño como tiempo de respuesta, precisión de las respuestas, similitud semántica y nivel de satisfacción del usuario. Los resultados demostraron que el modelo GPT-3.5 obtuvo el mejor rendimiento general, alcanzando un 95.4 % de respuestas correctas, una similitud semántica promedio de 94.3 %, un puntaje promedio de rendimiento del 95.2 % y un 100 % de satisfacción de los usuarios, superando significativamente a los otros modelos evaluados. Asimismo, se evidenció una reducción del tiempo promedio de respuesta a 0.32 segundos, optimizando la atención a las consultas frecuentes. En conclusión, la aplicación de modelos de PLN demostró ser una alternativa efectiva para mejorar la atención al cliente en el SAT Puno. El modelo GPT-3.5 se posicionó como la mejor opción por su mayor coherencia contextual, precisión en las respuestas y alto nivel de satisfacción del usuario, contribuyendo de manera directa a la eficiencia del servicio y a la modernización del sistema de atención ciudadana.
info:eu-repo/semantics/bachelorThesis
Diseño de red de datos utilizando tecnología LIDAR y metodología PPDIOO para mejorar la transferencia como estabilidad y seguridad de la red de la CEPREUNA
Bravo Inchuña, Heyson; Aceituno Rojo, Miguel Romilio , 2025-07-24 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
La presente tesis planteó como objetivo general diseñar un modelo de red utilizando la metodología PPDIOO y la tecnología LIDAR para la CEPREUNA. Este modelo aumentará la velocidad de transferencia de datos, proporcionará estabilidad a la red y mejorará la seguridad de la información. La investigación es de enfoque cuantitativo, de tipo experimental, de diseño pre-experimental y de corte transversal; su muestra no probabilística y poblacional estuvo conformada por 23 computadoras del CEPREUNA. La recolección de datos se basó en observación directa mediante fichas de observación pretest y postest, cuyos resultados fueron sometidos primero a la prueba de normalidad Shapiro-Wilk (p = 0.000), confirmando la falta de normalidad, y luego a la prueba no paramétrica de rangos con signo de Wilcoxon para comparar las mediciones pretest y postest. En la comprobación de la hipótesis general se rechazó la nula (Z = –0.735, p = 0.003), validando la efectividad del nuevo diseño. Asimismo, las hipótesis específicas mostraron mejoras significativas en transferencia de datos (Z = –1.997, p = 0.041), estabilidad de la red (Z = –1.461, p = 0.014) y seguridad de la información (Z = –1.421, p = 0.001) . En cuanto a los resultados más relevantes, la transferencia aumentó de 66 Mbps en el pretest a 77 Mbps en el postest garantizando la mejora de la transferencia de datos, la tasa de pérdida de paquetes se redujo de 1.27 % a 0 % garantizando la estabilidad de la red, la configuración de equipos de red pasó de 0 % a 100 %, garantizando la seguridad de la información de la red del CEPREUNA. En conclusión, el diseño de red propuesto, apoyado en LIDAR y PPDIOO, mejora significativamente la transferencia, estabilidad y seguridad de la red del CEPREUNA.
info:eu-repo/semantics/bachelorThesis
Detección de enfermedades foliares en plantas de habas mediante procesamiento de imágenes usando redes neuronales en el altiplano puneño
Gomez Alanoca, Joel Santos; Sotomayor Alzamora, Guina Guadalupe , 2025-07-10 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
La producción de habas es una de las principales actividades agrícolas en Puno, una región altoandina del Perú. Esta región se ve afectada por algunas enfermedades foliares, como la Roya y Mancha Chocolate, que generan pérdidas en la producción e impactan la economía de los pequeños agricultores. La dificultad para identificar estas patologías de manera oportuna, sumada a las limitaciones de los métodos tradicionales, inspiró el desarrollo de una alternativa tecnológica accesible y asertiva utilizando técnicas de Procesamiento de Imágenes y Redes Neuronales Convolucionales. De esta manera, se construyó un Dataset representativo de 2486 imágenes de hojas de habas recolectadas en diversas localidades. Estas imágenes se sometieron a procesos de normalización, segmentación y aumento de datos para mejorar la calidad del conjunto de datos para el entrenamiento. Los modelos de Redes Neuronales Convolucionales entrenados son DenseNet121, MobileNetV2, ResNet50 y un modelo propuesto. Los resultados mostraron que DenseNet121 alcanzó la mayor exactitud, con 96.29%, y la mayor precisión, con 96.54%. El modelo propuesto alcanzó 95.49% de exactitud y 95.66% de precisión, lo que indica una alta confiabilidad en la detección temprana de las enfermedades foliares seleccionadas. En conclusión, los modelos DenseNet121 y el modelo propuesto son herramientas útiles para especialistas y agricultores, y facilitan la detección temprana y precisa de enfermedades foliares en hojas de habas.
info:eu-repo/semantics/bachelorThesis
Diseño e implementación de plataforma web con firma digital para optimizar la emisión de certificados en el Programa de Idiomas EPG de la UNA Puno.
Catari Ccuno, Jesus Alvaro; Zanabria Ortega, Milder , 2025-07-25 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
En el contexto actual de acelerada transformación digital, las instituciones de educación superior enfrentan el imperativo de modernizar sus procesos administrativos para mantenerse competitivas y responder a las expectativas actuales de la comunidad académica. El Programa de Idiomas de la Escuela de Posgrado de la Universidad Nacional del Altiplano Puno enfrentaba una problemática critica en la gestión manual de procesos académicos, como la emisión de certificados y consulta de notas. Esta situación generaba demoras de hasta 18 días para la emisión de certificados académicos, tiempos de espera de hasta 15 minutos para la consulta de notas, sumado a los errores y procesos administrativos, lo que ocasionaba constantes reclamos por parte de los estudiantes y afectaba significativamente la imagen institucional. Además, el sistema tradicional carecía de mecanismos de autenticación seguros, exponiendo a la institución a riesgos de falsificación documental. Esta investigación de enfoque cuantitativo y diseño preexperimental tuvo como objetivo diseñar e implementar una plataforma web integrada con firma digital para optimizar dichos procesos, utilizando una metodología de desarrollo ágil con tecnologías como java y SpringBoot, donde se analizó, el impacto pretest y postest sobre la totalidad de la población (N=50) proceso. Los resultados demostraron que la plataforma redujo el tiempo de consulta de notas en un 74.19%, disminuyó el tiempo de emisión de certificados en un 81.25% y se obtuvo una satisfacción de los estudiantes de un 90%, evidenciando una optimización notable en la eficiencia y calidad del servicio. Las conclusiones destacan que la plataforma web no solo agilizó los tramites académicos sino también redujo errores operativos y mejoró la experiencia del usuario, alineándose con estudios previos que respaldan la digitalización en instituciones educativas. Este trabajo contribuye a la literatura sobre innovación en gestión académica, proponiendo un modelo replicable para universidades con desafíos de digitalización similares.
info:eu-repo/semantics/bachelorThesis
Evaluación de los modelos de Machine Learning para identificar emociones en texto en la región de Puno
Paricanaza Suaña, Alex Jhon; Tapia Catacora, Pablo Cesar , 2025-07-04 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
En la actualidad, el estudio de las emociones expresadas en las redes sociales constituye un tema de interés educativo y comunicativo, y resulta fundamental en la interacción humana. Además, ha experimentado un crecimiento exponencial gracias al uso de tecnologías digitales. El objetivo del estudio es determinar el desempeño de los modelos de Machine Learning para identificar emociones en texto en la región Puno. La metodología comprende el uso de Keyword Spotting Technique (KST) y procesamiento de lenguaje natural, y aplica a un total de 2160 emociones publicadas en perfiles personales de Facebook, relacionadas con actividades educativas cotidianas entre amigos y compañeros. Los datos fueron preprocesados, entrenados, evaluados e implementados en Google Colab, utilizando bibliotecas como Pandas, Scikit-learn, NumPy, TensorFlow/Keras, Matplotlib y Seaborn. Utiliza los algoritmos SVM, XGBoost, Random Forest y LightGBM, evaluados con las métricas Accuracy, Precision, Recall, F1-Score; y AUC. El modelo SVM (Máquinas de Vectores de Soporte) alcanzó un rendimiento destacable en la tarea de clasificación emocional. Obtuvo una accuracy del 78.94 %, una precisión del 79.99 % y un recall del 78.94 %. El valor de F1-Score fue de 78.29 %, lo cual representa un equilibrio adecuado entre precisión y recall. Finalmente, el modelo logró un AUC (Área Bajo la Curva ROC) de 95.4 %, lo que indica una excelente capacidad de discriminación entre las clases emocionales. En conclusión, el estudio muestra que los modelos de aprendizaje automático ayudan a entender las emociones de los estudiantes y a crear entornos educativos más inclusivos, empáticos y culturalmente adecuados.
info:eu-repo/semantics/bachelorThesis
Segmentación de patrones de aprendizaje mediante clustering en Big Data educativo: estudio en la Institución Educativa N° 70545 Túpac Amaru, 2024
Mamani Larico, Marinela Gladys; Rios Huanca, Luis Alfredo; Gómez Quispe, Hugo Yosef , 2025-06-26 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
En esta investigación en la Institución Educativa N° 70545 Túpac Amaru, el objetivo principal fue construir un modelo de segmentación utilizando agrupamiento no supervisado en Big Data Educativo para mejorar el proceso de enseñanza-aprendizaje. La metodología incluyó la recopilación y el preprocesamiento de datos educativos de varias fuentes, garantizando su integridad mediante la limpieza, normalización y estructuración. K-Means, Agrupamiento Jerárquico y DBSCAN fueron algunos de los algoritmos de agrupamiento aplicados para determinar agrupaciones naturales. La validación de los clústeres fue especialmente importante e incluyó medidas cuantitativas como el Índice de Silueta (promedio 0.66) que indicó una fuerte cohesión interna y una buena separación externa, junto con el Coeficiente de Correlación de Pearson (r=0.85). Estos análisis fueron enriquecidos por entrevistas cualitativas con los maestros para una interpretación más profunda de los segmentos. Los hallazgos resultaron en la identificación de grupos de estudiantes homogéneos con patrones académicos y de comportamiento distintivos, simplificando así la comprensión de cuáles eran sus requisitos más personalizados. En consecuencia, el clustering dentro del Big Data Educativo es una estrategia eficaz y de vanguardia para la detección de patrones en el aprendizaje, así como para la toma de decisiones pedagógicas, apoyando en la construcción de una educación inclusiva, adaptativa y escalable. La estrategia puede ser reproducida en diferentes contextos educativos para la personalización de la enseñanza.
info:eu-repo/semantics/bachelorThesis
Diseño de interfaz de usuario de agente conversacional para mejorar la experiencia de usuario e inclusión digital de comunidades educativas de la región Puno - Perú.
Tapia Ramos, Arturo Eyck; Holguin Holguin, Edgar , 2025-05-16 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
En la actualidad, los agentes conversacionales o chatbots son ampliamente utilizados en diversos ámbitos, como el educativo y comercial, entre otros. Sin embargo, muchos usuarios reportan experiencias insatisfactorias al interactuar con estas herramientas. Este problema radica de manera principal en deficiencias relacionadas tanto con la interfaz y la usabilidad, lo que dificulta la interacción efectiva y fluida entre los usuarios y los agentes conversacionales. Como resultado, se observa un bajo uso de estas tecnologías, lo que genera una barrera entre las personas y la tecnología. La presente investigación busca abordar esta problemática mediante el diseño de una interfaz conversacional que optimice la experiencia del usuario al interactuar con agentes conversacionales. Este diseño propone un acercamiento más intuitivo y accesible, favoreciendo la interacción entre las personas y estas herramientas tecnológicas. El proceso de investigación incluyó una revisión exhaustiva de la literatura, la identificación de problemas en las interfaces actuales, el análisis de las causas del bajo uso de los agentes conversacionales, el diseño de una propuesta funcional y su desarrollo, así como la validación mediante encuestas aplicadas a comunidades educativas. Los resultados reflejan una mejora significativa en la experiencia de los usuarios, acompañada de un incremento en la eficacia y eficiencia de la interacción con los agentes conversacionales. Además, este diseño contribuye a promover la inclusión digital en poblaciones con acceso limitado a nuevas tecnologías y establece pautas para el desarrollo de futuras interfaces conversacionales.
info:eu-repo/semantics/bachelorThesis
Segmentación de contribuyentes utilizando clustering para optimizar la recaudación tributaria: caso de estudio municipalidad de Yunguyo
Campos Alvarez, Lizeth; Mamani Gonzalo, Jhoselyn Yenida; Gómez Quispe, Hugo Yosef , 2025-06-12 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
La Municipalidad Provincial de Yunguyo ha enfrentado un escenario fiscal complejo. La variabilidad en el comportamiento de los contribuyentes y la ausencia de recursos analíticos robustos han comprometido la eficacia de sus iniciativas de recaudación, limitando la captación de ingresos esenciales para la infraestructura local y proyectos comunitarios. La presente investigación buscó mitigar este desafío. Mediante la construcción e implementación de un algoritmo de agrupamiento no supervisado, se logró la formación de clústeres homogéneos de contribuyentes con características económicas similares. Esta identificación facilitó al municipio la concepción de estrategias de recaudación más equitativas y una asignación más eficiente de recursos administrativos. La metodología inicial consistió en la recolección sistemática y el preprocesamiento de registros fiscales y catastrales de 2024, garantizando su calidad e integridad a través de limpieza, integración y transformación de datos. Se evaluaron diversos algoritmos, seleccionando K-Means como el método central. El Método del Codo y el análisis de Silueta determinaron K=5 como la partición óptima, con un Índice de Silueta promedio de 0.62. Los cinco grupos resultantes permitieron la diferenciación de perfiles como "Cumplidor Estratégico", "Históricos Morosos-Deuda Baja" y “Alto Impacto-Valor Variable”. Las diferencias significativas (p<0.05) en variables clave como monto de deuda y antigüedad, fueron validadas cualitativamente por funcionarios municipales, quienes confirmaron la utilidad del modelo para formular estrategias de recaudación adaptadas a cada segmento. En conclusión, la aplicación de algoritmos de clustering sobre datos fiscales y catastrales fue exitosa en la creación de segmentos de contribuyentes significativos y accionables. Este esquema de segmentación reproducible, sin comprometer velocidad ni precisión, se proyecta como una herramienta integrada, escalable y decisiva para elevar la eficiencia y equidad de la recaudación municipal en Yunguyo, superando los métodos tradicionales.
info:eu-repo/semantics/bachelorThesis
Aplicación web basada en redes neuronales artificiales para pronosticar la demanda de agua potable en la empresa EMSA PUNO S.A. de la ciudad de Puno - 2024
Arocutipa Condori, Walter Javier; Huaynapata Ucharico, Freddy Walter; Fernández Chambi, Mayenka , 2025-05-16 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
La predicción de la demanda de agua potable es una herramienta fundamental para optimizar recursos y mejorar la planificación en empresas de suministro. Esta investigación tuvo como objetivo general determinar el impacto del uso de Redes Neuronales Artificiales (RNA) en un aplicativo web para mejorar el pronóstico de la demanda de agua potable en EMSA PUNO S.A. Se recopilaron datos históricos de población, precipitación y temperaturas mensuales de Puno del año 2000 al 2023, identificando las principales variables que afectan la demanda de agua. Se desarrollaron tres modelos de predicción: Redes Neuronales Feedforward (FNN), Convolucionales (CNN) y de Corto y Largo Plazo (LSTM), evaluados mediante métricas como Error Medio Absoluto (MAE), Error Cuadrático Medio (MSE) y Coeficiente de Determinación (R²). El modelo FNN obtuvo el mejor desempeño con un MAE = 11.75, superando a LSTM (12.16) y CNN (13.03), por lo que fue integrado en la aplicación web desarrollada. Se realizó la predicción para el año 2024, y los resultados se compararon con el pronóstico generado por el método tradicional. La predicción de la aplicación con el modelo FNN integrado mostró un impacto del 12.45% en la mejora del pronóstico de la demanda de agua potable en EMSA PUNO S.A., con respecto al método tradicional. Estos resultados proporcionan a EMSA PUNO S.A. una plataforma accesible e intuitiva para la toma de decisiones estratégicas basadas en datos precisos y confiables, optimizando la gestión de los recursos hídricos y mejorando la planificación a largo plazo.
info:eu-repo/semantics/bachelorThesis
Aplicación de la metodología Six Sigma para mejorar el proceso de trámite documentario en la Municipalidad Distrital de Huacullani
Arce Ancachi, Evelyn Katty; Mendoza Calisaya, Veronica; Ingaluque Arapa, Marga Isabel , 2025-05-07 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
El presente proyecto de investigación consiste en aplicar la metodología Six Sigma para mejorar el proceso de trámite documentario de la Municipalidad Distrital de Huacullani, institución pública que enfrenta deficiencias en su proceso de trámite documentario, reflejadas en demoras excesivas, pérdida de documentos, falta de seguimiento y baja satisfacción de los usuarios. El objetivo principal es aplicar la metodología Six Sigma para mejorar la eficiencia y calidad del proceso documentario mediante el desarrollo estructurado de las cinco fases del ciclo DMAIC: definir, medir, analizar, mejorar y controlar. La investigación es de tipo aplicada, con enfoque cuantitativo y diseño cuasiexperimental; se recopilan datos mediante observación estructurada, encuestas y entrevistas, aplicadas a una muestra censal compuesta por 70 trabajadores administrativos y 80 trámites. En la fase de medición se identifican indicadores clave de desempeño (KPI) y puntos críticos del proceso; posteriormente, en la fase de análisis, se determinan las causas raíz de las deficiencias. La fase de mejora implementa soluciones técnicas y de gestión, incluyendo la sistematización del proceso a través de un sistema web de gestión documental. En la fase de control se evidencia una mejora significativa en los tiempos de atención, reducción de errores en los trámites, mayor capacitación del personal y aumento en la satisfacción del usuario. Finalmente, el valor del Sigma Madre, que inicialmente se encontraba en un nivel deficiente, mejora sustancialmente al final del proceso, pasando de 2.06 a 3.29, con ello se concluye que la aplicación de la metodología Six Sigma, junto al uso de herramientas tecnológicas, mejora el proceso de trámite documentario haciéndolo más eficiente, controlado y orientado al ciudadano.
info:eu-repo/semantics/bachelorThesis
Desarrollo de sistema de incidencias para mejorar la calidad de servicios de TI de soporte a usuarios utilizando ITILv4 en el Gobierno Regional Puno
Talizo Chambilla, Luis Fernando; Talizo Chambilla, Miguel Angel; Jimenez Chura, Adolfo Carlos , 2025-05-13 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
La gestión de incidentes en el Gobierno Regional de Puno se caracterizaba por realizarse de manera manual, careciendo de un sistema estructurado que permitiera registrar y dar seguimiento a cada caso de forma eficiente, lo que ocasionaba demoras en la atención, pérdida de información y baja satisfacción de los usuarios. Ante esta problemática, para elevar el nivel de los servicios prestados por la Oficina de Tecnologías de la Información, se creó e implementó un sistema de gestión de incidentes construido sobre la base de ITIL v4. La investigación se llevó a cabo en la ciudad de Puno, siguiendo un enfoque cuantitativo y un diseño experimental para medir el impacto de la solución tecnológica. Se aplicaron encuestas a 200 usuarios antes y después de la implementación y se recopilaron datos mediante reportes del sistema. Según los resultados, el tiempo promedio de resolución de problemas mejoró significativamente de 90,42 a 49,49 minutos y la satisfacción del usuario aumentó del 71% al 91%, alcanzando un promedio mensual de casi el 96%. Asimismo, la tasa de resolución al primer contacto se elevó de 17.82% a 46.49%, mientras que la tasa de reapertura de tickets bajó de 21.03% a 3.33%, garantizando de manera más consistente el cumplimiento total de los acuerdos establecidos en los niveles de servicio. Estos resultados evidencian una mejora significativa tanto en la eficiencia operativa como en la manera en que los usuarios perciben el servicio. El sistema desarrollado, construido con tecnologías web actuales y basado en los principios de ITIL v4 y SCRUM, permitió organizar y automatizar los procedimientos relacionados con la gestión de incidentes, lo que incrementó la capacidad de seguimiento, el control y la eficiencia en la toma de decisiones.
info:eu-repo/semantics/bachelorThesis
Modelo de redes neuronales artificiales para optimizar la planificación del abastecimiento de materiales en la Empresa Cal y Cemento Sur S.A.
Quijo Condori, Maycoll Jose; Donia Alizandra, Ruelas Acero , 2025-04-30 - (Universidad Nacional del Altiplano. Repositorio Institucional - UNAP)
En los años recientes, el interés por el aprendizaje automático ha crecido significativamente, obteniéndose buenos resultados en costos de operación y procesos. Este estudio presenta un modelo fundamentado en técnicas de aprendizaje automático, cuyo propósito es incrementar la precisión en las predicciones y optimizar la planificación del abastecimiento de materiales dentro de la organización. La empresa Cal y Cemento Sur S.A. se enfrenta el desafío de disponibilidad oportuna de materiales y la compra excesiva de algunos materiales, identificando que el problema principal radica en la configuración estática de parámetros como el stock de seguridad y el punto de pedido. Aprovechando el histórico de consumos de usuarios en información almacenada se puede superar esta problemática mediante la implementación de un modelo de redes neuronales. Aplicando la metodología CRISP-DM, se realizó un análisis exhaustivo de los datos, identificando variables prioritarias para el modelo. Tras un proceso de muestreo, se tomó 3,093 materiales de muestreo no probabilístico, de una población inicial de 30,003 códigos de material. Posteriormente, se entrenó y ajustó hiperparámetros de los modelos MLP, CONV1D, LSTM, RNN, BiLSTM y GRU, concluyendo que el modelo LSTM obtuvo los mejores resultados con un MSE de 1.91, un MAE de 0.64, un RMSE de 1.38 y un R² de 0.92 los cuales permite visualizar un sólido ajuste a los datos. Este modelo no solo demostró mejorar la cobertura de inventarios, sino también optimizar significativamente la planificación en comparación con el método tradicional, basado en parámetros estáticos.

Examinar

Envíos recientes