Escuela Profesional de Ingeniería Informática y Sistemas

Permanent URI for this collection

https://hdl.handle.net/20.500.14195/38

Tesis y trabajos académicos en el área de la informática, los sistemas y sus aplicaciones.

Browse

Now showing 1 - 20 of 70

Aplicación web con redes neuronales convolucionales para el registro de asistencia por reconocimiento facial de estudiantes en la EAP de Ingeniería Informática y Sistemas, UNAMBA
(Universidad Nacional Micaela Bastidas De Apurímac, 2026-04-22) Huamani Tintaya, Melissa; Tapia Rodriguez, Sandra; Mamani Vilca, Ecler
El registro de asistencia en la EAPIIS de la UNAMBA se realiza de forma manual, generando demoras, errores en el registro de asistencia en las clases. Frente a este problema, esta investigación tuvo como objetivo desarrollar una aplicación web basada en redes neuronales convolucionales para optimizar el registro mediante reconocimiento facial, evaluando los modelos ArcFace, FaceNet y FaceRecognition para identificar el más preciso. La investigación fue de tipo aplicada, de nivel explicativo, con diseño mixto cuasi-experimental y descriptivo. La población fue conformada de 479 estudiantes y la muestra de 141. El sistema se desarrolló con la metodología ágil Extreme Programming (XP), integrando módulos de entrenamiento, identificación facial y registro automático. Los resultados evidenciaron mejoras significativas: reducción del tiempo de preparación en 63.6 % y del registro por estudiante en 50.4 %, optimizando el tiempo lectivo. La consolidación de datos pasó de un proceso manual a uno automático y confiable. ArcFace obtuvo el mejor desempeño con 97 % de exactitud. La aplicación se implementó con Flask. La evaluación de usabilidad (CSUQ) mostró alta aceptación: 80 % en calidad del sistema, 84 % en información y 97.5 % en interfaz. Se concluye que la solución mejora significativamente el registro de asistencia, brindando mayor precisión, rapidez, confiabilidad y usabilidad, y favoreciendo una gestión adecuada conforme al reglamento académico.
Implementación del aplicativo de realidad aumentada para el aprendizaje de geometría del espacio en la Institución Educativa N.°54009 “VILLA GLORIA”- 2024
(Universidad Nacional Micaela Bastidas de Apurímac, 2026-01-27) Hilares Alvarez, Denilson Demetrio; Merma Aroni, José Luis
Esta investigación cuantitativa con diseño cuasi experimental determinó la efectividad de un aplicativo móvil de realidad aumentada para optimizar el aprendizaje de geometría del espacio en 60 estudiantes de cuarto grado (30 experimentales, 30 control) de la I.E. N.° 54009 “VILLA GLORIA” (Abancay, Apurímac). El aplicativo se desarrolló con la metodología Mobile‑D (15 iteraciones) usando Unity 3D, Vuforia, Blender, Java y Android SDK, logrando la visualización interactiva de poliedros. Se aplicaron pruebas pre y postest (escala 0‑20), fichas de observación, la escala ISO/IEC 9126‑2 y cuestionarios Likert, analizados con Shapiro‑Wilk y pruebas t de Student (α = 0,05). Se encontraron mejoras estadísticamente significativas: hipótesis general (diferencia de medias = 2,10; t = 4,616; p < 0,001); dimensión “modelar objetos” (M_exp = 14,00; M_ctrl = 12,10; diferencia = 1,90; t = 3,258; p < 0,05); dimensión “comunicar comprensión” (M_exp = 15,87; M_ctrl = 13,57; diferencia = 2,30; t = 3,335; p < 0,001); y validación de Mobile‑D (media = 4,4/5,0). El porcentaje de estudiantes con desempeño satisfactorio aumentó de 10% a 66,67% (+56,67 puntos porcentuales). Estos resultados se explican por la representación visual tridimensional interactiva, la activación de la agencia cognitiva, la retroalimentación multimodal y el aumento de la motivación intrínseca. Se concluye que la realidad aumentada es una intervención pedagógica efectiva para potenciar competencias geométricas en primaria, en contextos urbanos vulnerables de regiones predominantemente rurales. Se recomienda replicar con diseño experimental puro, seguimiento longitudinal, desagregación por subgrupos, complemento cualitativo e integración en políticas educativas peruanas.
Sistema de riego automatizado para el cultivo de la fresa, en el centro de producción el Carmen, Pachar, Ollantaytambo, 2018
(Universidad Nacional Micaela Bastidas De Apurímac, 2025-04-29) Quispe Cordova, Lisbeth Yuvithza; Echegaray Peña, Nora Gladys
El presente trabajo de investigación tuvo como finalidad mejorar el proceso de cultivo de la fresa en invernadero (a cielo cerrado) mediante la implementación de un sistema de riego automatizado, diseñado para controlar factores ambientales como la temperatura y la humedad del suelo, los cuales influyen directamente en el desarrollo del cultivo. La metodología empleada fue de tipo aplicada, con nivel experimental y diseño cuasi experimental, ya que se compararon los resultados entre el sistema de riego tecnificado-manual utilizado en campo abierto (SSRA) y el sistema de riego automatizado implementado en invernadero (CSRA), considerando principalmente la humedad del suelo. Los resultados evidenciaron que el sistema automatizado permitió reducir el ciclo de producción de la fresa de 133 días (SSRA) a 104 días (CSRA), optimizar el uso del agua de riego disminuyéndolo de 92.4 m3 a 62.9 m3, incrementar los días de cosecha y, en consecuencia, aumentar la cantidad de producción, obteniendo además frutos con mejor presentación. Con el sistema automatizado se alcanzó una producción de 262.36 kg, frente a los 158.99 kg obtenidos con el sistema manual. En conclusión, la implementación del sistema de riego automatizado mejoró significativamente el cultivo de la fresa, acortando el tiempo de producción, haciendo un uso más eficiente del agua y logrando un incremento tanto en la cantidad como en la calidad del fruto.
Implementación de una red inalámbrica con tecnología Wi-Fi y HLS para la calidad de los servicios de Internet e IPTV/OTT en las zonas rurales de Huayllabamba y Pachachaca 2023
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-08-01) Ponce Jiménez, Jonathan; Gomez Aiquipa, Ebert
La presente investigación se enfocó en mejorar la calidad de los servicios de Internet e IPTV/OTT en las zonas rurales de Huayllabamba y Pachachaca, se llevó a cabo esta investigación implementando tecnologías Wi-Fi y HLS. La problemática recurrente en zonas rurales, incluyendo aquellas de difícil acceso y limitada disponibilidad de servicios de Internet e IPTV/OTT. Esta situación contribuye a la creación de una brecha digital, a pesar de la existencia de tecnologías como Wi-Fi y HLS. La falta de inversión por parte de grandes empresas en estas áreas se debe, en gran medida, a la dificultad para satisfacer sus estándares de Calidad de Servicio (QoS). Se empleó una metodología de investigación de tipo aplicada, de nivel descriptivo-comparativo y con un diseño no experimental. Se recolectaron datos en una muestra de 20 puntos de medición en cada localidad: Huayllabamba y Pachachaca. Se utilizaron técnicas de observación y medición, empleando como instrumentos la terminal de Windows, comandos de diagnóstico de red, hojas de cálculo en Excel y tablas comparativas. Los resultados de la implementación en Huayllabamba (ancho de banda: 16.1 Mbps, retardo: 12.9 ms, jitter: 7.1 ms, pérdida de paquetes: 0%) y Pachachaca (ancho de banda: 21.0 Mbps, retardo: 12.0 ms, jitter: 3.4 ms, pérdida de paquetes: 0%) demostraron una mejora significativa en la calidad de Internet e IPTV/OTT. Las pruebas de hipótesis realizadas (prueba t de Student para el ancho de banda, retardo, jitter y perdida de paquetes, con un nivel de significancia α = 0.05) confirmaron este resultado, cumpliendo así los objetivos de la investigación. En conclusión, la implementación de una red inalámbrica con tecnología Wi-Fi y HLS cumplió con los objetivos de esta investigación, demostrando una mejora significativa en la calidad de los servicios de Internet e IPTV/OTT en las localidades de Huayllabamba y Pachachaca.
Detección de enfermedades mediante las hojas del maíz utilizando DEEP Learning para los agricultores del distrito de Curahuasi Abancay - 2024
(Universidad Nacional Micaela Bastidas de Apurimac, 2026-01-29) Valverde Ramirez, Juan Carlos; Cari lncahuanaco, Francisco; Huaylla Quispe, Alejandnina
El maíz es un cultivo importante en el Perú, esencial para la seguridad alimentaria. Sin embargo, su cultivo enfrenta desafíos significativos debido a enfermedades debilitando como la Trips del maíz, y el virus del Roya del maíz, que pueden conducir a graves pérdidas del rendimiento. Los métodos tradicionales de diagnostico de enfermedades de las plantas a menudo requieren mucho tiempo y son propensos a errores, lo que requiere enfoque más eficiente. Este estudio explora la aplicación de apredizaje profundo, especialmente las redes neuronales convolucionales (CNN), en la detección y clasificación automáticas de enfermedades del maíz. El objetivo de este estudio es comparar la precisión de dos arquitecturas: CNN básico y ResNet18, la imagen de prueba utilizo un conjuinto de datos formado de 3087 imágenes que comprenden de enfermedades de las hojas del maíz, las clases están conformados por, Trips, Roya y hojas Sanas. Además, realizamos un ajuste hiperparametros para mejorar el rendimiento de los modelos y el mapeo de activación de clases ponderado por gradiente, para la interpretabilidad del modelo. Nuestros resultados muestran que el modelo ResNet18 demostro una precisión del 99.38% al distinguir entre pantas sanas y enfermas. Los resultados de este estudio contribuyen al avance de las aplicaciones de IA en la agricultura, en particular en el diagnóstico de enfermedades del maíz en Curahuasi Perú.
Determinación del mejor modelo de Machine Learning para la predicción del California Bearing Ratio de suelos en Abancay, 2024
(Universidad Nacional Micaela Bastidas de Apurimac, 2026-01-08) Tello Sarmiento, Flor de Cantuta; Ibarra Cabrera, Manuel Jesus
El California Bearing Ratio (CBR) es un índice fundamental en la ingeniería geotécnica para evaluar la capacidad de soporte de los suelos, especialmente en el diseño y construcción de pavimentos y otras estructuras sobre terreno natural. Pero la determinación de este índice es una tarea costosa y laboriosa, por dicha razón en este estudio se propone la predicción del CBR mediante modelos de machine learning. Se desarrollaron 3 modelos de aprendizaje automático, redes neuronales profundas (DNN), árboles de decisión y máquinas de vectores de soporte. El trabajo consistió en recolectar 310 registros con características del suelo, de los cuales 217 registros fueron considerados para el entrenamiento, 62 para la validación y 31 para las pruebas; los datos fueron recolectados en 3 laboratorios de mecánica de suelos de la ciudad de Abancay, provincia de Abancay en la región Apurímac de Perú, donde se obtuvieron las siguientes características físicas del suelo: el porcentaje de grava, porcentaje de finos, el óptimo contenido de humedad (OCH), límite líquido, límite plástico, índice de plasticidad, máxima densidad seca (MDS) y para la característica a predecir el valor del CBR al 100%. Los modelos fueron evaluados con el coeficiente de determinación (R2), el error absoluto medio (MAE), el error cuadrático medio (MSE) y la raíz del error cuadrático medio (RMSE). Los resultados muestran que el algoritmo o modelo de árboles de decisión es el más eficiente para predecir el CBR al 100% porque tiene el mejor coeficiente de determinación R2 = 0.9307 y también los valores más bajos para el MSE = 9.199, MAE = 1.216 y RMSE = 3.033; estos valores son los mejores en relación con los encontrados para los modelos de redes neuronales profundas y el de máquina de vectores de soporte para regresión.
Modelo predictivo de Machine Learning para el servicio de orientación vocacional hacia los estudiantes de secundaria en la Gerencia Regional de Trabajo y Promoción del Empleo Cusco 2024
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-12-18) Silva Zarate, Malu Beatriz; Aquino Cruz, Mario
Este trabajo de investigación comparó tres modelos predictivos de Machine Learning: Árbol de Decisiones, Redes Neuronales y Regresión Logística, con el objetivo de identificar cuál fue el más efectivo para optimizar el procesamiento de los test vocacionales, los cuales tradicionalmente se analizaban y calificaban de forma manual, generando demoras y limitaciones en la orientación estudiantil. Esta situación afectaba la calidad del servicio de orientación vocacional, dificultando la emisión de los resultados a los estudiantes. Utilizando el test vocacional IEPPO, se procesaron las respuestas aplicando la metodología KDD. Los modelos fueron desarrollados y evaluados en Python, utilizando indicadores de rendimiento como exactitud, precisión, recall y F1 score. Los resultados mostraron que el modelo de Árbol de Decisiones fue el más eficaz en la clasificación, alcanzando una exactitud de 86.00%, una precisión del 86.23%, un recall del 86.00% y un F1 score de 86.11%, superando a las Redes Neuronales y la Regresión Logística. Estas conclusiones evidencian el potencial del Árbol de Decisiones para automatizar la orientación vocacional, brindando un apoyo confiable a la Oficina de SOVIO al facilitar el procesamiento inmediato y automatizado de los resultados, permitiendo clasificar los tipos vocacionales según las respuestas de los estudiantes.
Aplicación móvil de realidad aumentada para mejorar el aprendizaje del sistema solar en el curso de Ciencia y Tecnología de los alumnos del sexto grado de primaria de la Institución Educativa N° 54299 José Pardo, Aymaraes, 2023
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-11-27) Contreras Cortez, Sindy; Aquino Cruz, Mario
La presente tesis tuvo como principal objetivo mejorar el aprendizaje del sistema solar en el curso de ciencia y tecnología de estudiantes de 6° de primaria de la Institución Educativa N° 54299 José Pardo, desarrollando un aplicativo de Realidad Aumentada. Actualmente la Institución Educativa utiliza materiales tradicionales para el aprendizaje del sistema solar como maquetas las cuales no dan una idea completa del tema, teniendo por consecuencia las bajas notas de los estudiantes. La metodología empleada en el tipo investigación fue aplicada, diseño de investigación cuasi experimental, el nivel de investigación explicativo y, se hizo uso de dos grupos el grupo control y el grupo experimental, 31 estudiantes como muestra. Mobile D fue la metodología utilizada para elaborar el aplicativo. Los resultados obtenidos con respecto al aprendizaje conceptual y de acuerdo a la prueba estadística Z es de 3.48, resultando mayor al valor en la tabla 1.64 y 5% como margen de error, por lo tanto, rechazamos la hipótesis nula concluyendo que la app con RA mejora el aprendizaje conceptual del sistema solar. El resultado conseguido de la prueba Z con respecto al aprendizaje procedimental es 3.61, resultando superior al valor en la tabla 1.64 y 5% como margen de error, por lo tanto, rechazamos la hipótesis nula concluyendo que la app con RA mejora el aprendizaje procedimental del sistema solar. El resultado conseguido de la prueba Z con respecto al aprendizaje actitudinal es 6.49, resultando superior al valor en la tabla 1.64 y 5% como margen de error, por lo tanto, rechazamos la hipótesis nula, concluyendo que la app con realidad aumentada mejora el aprendizaje actitudinal del sistema solar. Los estándares del ISO 25010 fueron los que se aplicaron sobre la funcionalidad, donde el 49.33% de los estudiantes afirmó que la aplicación fue “Muy Buena” y el 32% fue “Bueno”, sobre la usabilidad el 45.33% de los estudiantes afirmó fue “Muy Fácil” y el 42.67% fue “Fácil”. Los objetivos propuestos se lograron en esta investigación.
Implementación de un sistema de información para el incremento de productividad y reducción de tiempo en los trámites de la Sub Unidad de Escalafón, Control y Asuntos Laborales UNAMBA, 2023
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-10-29) Vargas Mendoza, Ivan Augusto; Rojas Enríquez, Hesmeralda
La presente investigación se realizó con el objetivo de implementar un sistema de información en la Sub Unidad de Escalafón, Control y Asuntos Laborales (SUECAL) de la Universidad Nacional Micaela Bastidas de Apurímac, con el fin de reducir el tiempo e incrementar la productividad de los trámites en dicha oficina. El sistema de información para la SUECAL fue evaluado con el cuestionario CSUQ y se midió su impacto en la reducción del tiempo y el incremento de la productividad de trámites. El tipo de investigación fue aplicada y el nivel, explicativo. La técnica utilizada fue la observación directa, la recolección de datos y la encuesta; los instrumentos empleados fueron fotografías, cronómetro y un cuestionario dirigido al personal administrativo que laboraba en la Sub Unidad. Los resultados obtenidos indicaron que, en cuanto a la calidad del sistema de información, el 22 % de los usuarios estuvieron totalmente de acuerdo y el 78 % de acuerdo; en cuanto a la calidad de información y calidad de la interfaz, el 67 % estuvo totalmente de acuerdo y el 33 % de acuerdo. En cuanto al tiempo requerido para realizar los procesos, se observó una mejora significativa: sin el sistema, se tardaba 296 minutos, mientras que con el uso del sistema de información el tiempo se redujo a solo 24 minutos y 27 segundos. En términos de productividad, al hacer uso del sistema de información en los meses de octubre, noviembre y diciembre del año 2023, se realizaron 394 trámites, frente a los 164 trámites realizados en el mismo período del año 2022 sin el uso del sistema. La implementación del sistema de información redujo el tiempo e incrementó la productividad de los trámites en la Sub Unidad de Escalafón, Control y Asuntos Laborales (SUECAL).
Implementation of a Digital Educational Tool in the Quechua Language for Learning Mathematics among Quechua-Speaking Children
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-10-24) Saldivar Contreras, Luis Alberto; Rojas Enríquez, Hesmeralda; Yanqui Diaz, Franklin
This study investigated the impact of a digital educational tool developed in the Quechua language on the mathematical learning of second-grade Quechua-speaking children in Apurímac, Peru. Employing a quasi-experimental design, the research compared the performance of an Experimental Group (EG) using the Quechua-language tool with a Control Group (CG) receiving traditional instruction. The tool was designed to address linguistic, pedagogical, technological, and evaluative dimensions of learning. Pre- and post-test results revealed significant improvements in the EG across all dimensions (p < 0.05), with post-test scores in the EG (M = 32.13) substantially higher than those in the CG (M = 19.47). The study underscores the efficacy of digital tools in fostering active and contextualized learning, particularly in linguistically diverse settings. However, challenges such as insufficient teacher training and lack of culturally adapted materials persist, highlighting the need for comprehensive strategies to support bilingual education. The results advocate the integration of native language-based digital tools in educational curricula to promote equity, cultural preservation, and academic success among Indigenous populations. This research contributes to the growing body of evidence supporting Intercultural Bilingual Education as a means to address linguistic and cultural disparities in educational outcomes and can be replicated in other contexts.
Modelo de Redes Neuronales Convolucionales para detectar enfermedades en las hojas del cultivo de Quinua (Chenopodium quinoa) en el Centro Agronómico K’ayra, San Jerónimo, Cusco 2023
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-09-19) Oscco Ccuiro, Smit; Huashuayo Miranda, Elias; Aquino Cruz, Mario
En el mundo, las enfermedades de los cultivos son la principal causa de reducción en la calidad de la producción.Estas enfermedades afectan los cultivos de quinua y cada año se producen grandes pérdidas económicas .Es fundamental identificar estas enfermedades en una etapa temprana para aumentar la producción .La inspección visual es el método más común para identificar enfermedades, estos errores son comunes a través de la inspección visual .El tiempo es un factor clave en la detección de enfermedades y requiere experiencia .Este estudio muestra cómo se puede utilizar el reconocimiento de imágenes para la detección de enfermedades .Este trabajo consistió en recolectar un conjunto de datos de imágenes para mancha foliar 1,120 imágenes, para mancha bacteriana 850 imágenes, para mildiu velloso 896 imágenes y 1,090 imágenes sanas para un total de 3,956 imágenes de hojas de quinua del centro agronómico K'ayra en el sector de Leticia, San Jerónimo, Cusco, Perú, de las cuales el 70% fueron consideradas para entrenamiento, el 20% para validación y el 10% para pruebas .El modelo propuesto funcionó correctamente con una precisión del 89,498%, lo cual permitirá a los agricultores de la quinua detectar tempranamente las enfermedades, esperando que conduzca a un aumento de la producción de la quinua en todo el mundo.
Detection of Malaria Infections Using Convolutional Neural Networks
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-09-03) Ñahui Vargas, Luis Edison; Aquino Cruz, Mario
Malaria persists as a serious global public health threat, particularly in resource-limited regions where timely and accurate diagnosis is a challenge due to poor medical infrastructure. This study presents a comparative evaluation of three pre-trained convolutional neural network (CNN) architectures—EfficientNetB0, InceptionV3, and ResNet50—for automated detection of Plasmodium-infected blood cells using the Malaria Cell Images Dataset. The models were implemented in Python with TensorFlow and trained in Google Colab Pro with GPU A100 acceleration. Among the models evaluated, ResNet50 proved to be the most balanced, achieving 97% accuracy, a low false positive rate (1.8%) and the shortest training time (2.9 hours), making it a suitable choice for implementation in real-time clinical settings. InceptionV3 obtained the highest sensitivity (98% recall), although with a higher false positive rate (4.0%) and a higher computational demand (6.5 hours). EfficientNetB0 was the fastest model (3.2 hours), showed validation and a higher false negative rate (6.2%). Standard metrics—accuracy, loss, recall, F1- score and confusion matrix—were applied under a non- experimental cross-sectional design, along with regularization and data augmentation techniques to improve generalization and mitigate overfitting. As a main contribution, this research provides reproducible empirical evidence to guide the selection of CNN architectures for malaria diagnosis, especially in resource- limited settings. This systematic comparison between state-of-the- art models, under a single protocol and homogeneous metrics, represents a significant novelty in the literature, guiding the selection of the most appropriate architecture. In addition, a lightweight graphical user interface (GUI) was developed that allows real-time visual testing, reinforcing its application in clinical and educational settings. The findings also suggest that these models, in particular ResNet50, could be adapted for the diagnosis of other parasitic diseases with similar cell morphology, such as leishmaniasis or babesiosis.
Desarrollo de software para calificación de exámenes de admisión de la UNAMBA con calidad ISO/IEC 25000
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-06-24) Rojas Gallegos, Celia; Velasquez Aranibar, Rafael; Mamani Vilca, Ecler; Gómez Aiquipa, Ebert
El objetivo de la investigación fue desarrollar el software EXAMIA (Exámenes de Admisión Inteligentes Aplicados) para optimizar la calificación de exámenes de admisión en la Universidad Nacional Micaela Bastidas de Apurímac (UNAMBA). La investigación fue de tipo aplicada y de nivel descriptivo. El sistema anterior, basado en Visual FoxPro 6.0, presentaba limitaciones de accesibilidad y dependía de pocos operadores. El nuevo software fue desarrollado utilizando la metodología XP (Programación Extrema) en 5 fases y 12 iteraciones, empleando tecnologías como Visual Studio, SQL Server, Crystal Reports y ADO.NET. El software demostró consistencia en los datos (MSE = 0) y una excelente usabilidad (puntuación SUS de 85.2), cumpliendo con las normas ISO/IEC 25000. Además, se garantizó la sostenibilidad del sistema con una capacidad de almacenamiento proyectada hasta el año 2050. La implementación incluyó capacitaciones, un manual de usuario y un video tutorial, asegurando su adopción exitosa.
Machine Learning para la detección de plagas en las hojas del tomate Abancay 2022
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-06-05) Huamán Cáceres, Bryanne Robert Junior; Ibarra Cabrera, Manuel Jesús
El cultivo de tomates es esencial para la alimentación y la economía de los agricultores. Sin embargo, plagas como la "Mosca Blanca" y el "Minador de las Hojas" representan una amenaza significativa para estos cultivos. Por ello, la detección temprana de dichas plagas en las hojas de tomate es crucial para mitigar su impacto económico. La presente investigación tuvo como objetivo “Comprobar la técnica de Machine Learning más eficiente para detectar las plagas en las hojas de los tomates en los cultivos de Abancay, Apurímac, 2022.” Para ello, se recopilaron imágenes utilizando una cámara fotográfica, que se usaron para entrenar dos modelos de Machine Learning: YOLOv4 y Faster R-CNN, los cuales se encargaron de identificar el tipo de plaga presente en las hojas de tomate. En total, se capturaron 1160 imágenes de hojas de tomate en Abancay, Apurímac, tanto afectadas por plagas como sanas. Estas imágenes se distribuyeron aleatoriamente en: 90.26% para entrenamiento con etiquetado de plagas, 5.43% para validación y 4.31% para pruebas. El proceso de etiquetado se realizó mediante LabelImg y Roboflow, mientras que Google Colab con Python se utilizó para el entrenamiento y la validación de los modelos, así como para el proceso de pruebas. Al comparar YOLOv4 y Faster R-CNN en la detección de plagas, Faster R-CNN se destaca en la identificación de la Mosca Blanca, con una precisión del 92% y un F1-Score de 0.96, superando ligeramente a YOLOv4, que obtuvo una precisión del 89% y un F1-Score de 0.94. No obstante, en la detección del Minador de Hojas, YOLOv4 muestra mejor desempeño, con una precisión del 83% y un F1-Score de 0.86, frente a la precisión del 81% y un F1-Score de 0.83 de Faster R-CNN. A nivel global, considerando la media armónica del F1-Score para ambas plagas, YOLOv4 alcanza un valor de 0.90, superando el 0.89 de Faster R-CNN, lo que demuestra un rendimiento más equilibrado en la detección de ambas plagas.Por tanto, se concluye que YOLOv4 es el modelo más eficiente para la detección de plagas en hojas de tomate en el contexto general de esta investigación, gracias a su balance óptimo entre precisión y exhaustividad en ambas clases de plagas, lo que lo posiciona como la opción preferida para un desempeño global robusto. No obstante, Faster R-CNN sigue siendo una opción destacada cuando se prioriza la máxima precisión y la minimización de errores.
Detección de enfermedades en el cultivo de papa mediante el uso de Machine Learning en Abancay, 2022
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-06-05) Alvarez Vargas, Nelida Alicia; Ibarra Cabrera, Manuel Jesús
El Perú es un país con una gran diversidad de tipos de papa y es, uno de los principales cultivos agrícolas que sustenta la alimentación de las personas, enfrenta pérdidas en la producción de este cultivo clave debido a enfermedades como el tizón tardío y el pie negro entre otras; lo cual genera una gran pérdida en su producción y, conlleva a un déficit económico para el agricultor. La presente investigación se desarrolló con el objetivo de lograr la detección temprana de enfermedades de pudrición blanda y tizón tardío en el cultivo de la papa, a través del uso de técnicas de Machine Learning y para determinar la eficiencia de la clasificación se utilizaron los modelos de Faster R- CNN y YOLO V4. El procedimiento para esta investigación consistió en recolectar un total de 1011 imágenes de hojas de papa, tanto sanas como enfermas, en la localidad de Abancay, Apurímac. Estas imágenes se dividieron aleatoriamente para realizar el entrenamiento, la validación y las pruebas. Luego, se llevó a cabo el etiquetado de las imágenes utilizando la herramienta LabelImg y Roboflow. Posteriormente, se empleó la herramienta Google Colab con lenguaje de programación Python para realizar el entrenamiento, con cada uno de los modelos, seguido de las validaciones y, finalmente, realizar las pruebas. Los resultados obtenidos revelan que, Faster R-CNN demostró un rendimiento sólido en la detección de Pie Negro, alcanzando una precision, recall, F-value y accuracy del 100%. En el caso de la detección de Rancha, aunque los valores fueron ligeramente más bajos, aún mostró una precision del 98%, un recall del 79%, un F-value del 87% y un accuracy del 78%. Por otro lado, YOLO V4 también sobresalió en la detección de Pie Negro, logrando una precision, recall, F-value y accuracy del 100%. En cuanto a la detección de Rancha, los valores experimentaron una variación mínima, obteniendo un precision del 97%, un recall del 90%, un F-value del 93% y un accuracy del 87%. Finalmente podemos concluir que YOLO V4 destaca en la detección de ambas enfermedades en hojas de papa en la región de Abancay, Apurímac.
Videojuego educativo para mejorar el aprendizaje de procesos históricos en los alumnos de segundo de secundaria de la Institución Educativa Miguel Grau de Abancay, 2023
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-06-04) Huamani Aiquipa, Cielo; Ibarra Cabrera, Manuel Jesús
La presente investigación, se realizó con el objetivo de mejorar el aprendizaje en procesos históricos en los estudiantes de segundo de secundaria de una institución, mediante el uso de un videojuego educativo diseñado con Unity para plataformas móviles Android y de escritorio, el cual fue implementado en sesiones de clase. Esta iniciativa surge en respuesta a la problemática observada con respecto a las bajas calificaciones obtenidas en Ciencias Sociales en la Evaluación Nacional de Logros de Aprendizaje 2019, así como también al desafío que presentan los docentes de Historia Geografía y Economía, para captar la atención de sus estudiantes, quienes perciben la asignatura como la memorización de datos y acontecimientos históricos, lo que disminuye su interés y participación activa. El desarrollo de este proyecto de investigación, se inició con la recopilación de contenido educativo y la creación de la temática narrativa del videojuego, la cual está centrada en la Leyenda de los Hermanos Ayar y el Origen del Imperio Inca. Se trabajó con una población de 198 estudiantes de las secciones A, B, C, D, E y F. La muestra estuvo conformada por 75 estudiantes de las secciones A, C y E que pertenecían al grupo experimental y 72 estudiantes de las secciones B, D y F pertenecientes al grupo de control. El tipo de investigación es aplicada, con un nivel de investigación explicativo y diseño cuasiexperimental. El videojuego educativo se implementó en las sesiones de clase y dispositivos móviles de los estudiantes. Los resultados obtenidos mostraron una mejora significativa en las capacidades de comprensión del tiempo histórico y de elaboración de explicaciones sobre hechos históricos en los estudiantes del grupo experimental. La cantidad de estudiantes en el rango más alto (AD) aumentó de 6 a 36 en la primera capacidad y de 16 a 47 en la segunda, mientras que en los rangos más bajos (B y C) disminuyeron considerablemente. En contraste, el grupo de control mostró avances más moderados, con un aumento de 8 a 16 estudiantes en el rango AD en la primera capacidad y de 16 a 19 en la segunda, mientras que la reducción en los rangos B y C fue menor. De esta manera, se concluye que el videojuego educativo Inca Play contribuyó a mejorar el aprendizaje de los estudiantes, despertando su interés en la historia y facilitando la comprensión de procesos históricos a través de una experiencia interactiva y entretenida.
Propuesta de un plan de adecuación de calidad según el modelo de acreditación SINEACE para la Escuela Académico Profesional de Ingeniería Informática y Sistemas de la UNAMBA, 2023
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-04-08) Ferrari Arroyo, Antonio Anselmo; Gallegos Muñoz, Katherine; Luque Ochoa, Evelyn Naida
La calidad educativa es un pilar fundamental para el desarrollo de la educación en todos sus niveles, siendo especialmente relevante en instituciones como la Escuela Académico Profesional de Ingeniería Informática y Sistemas (EAPIIS) de la Universidad Nacional Micaela Bastidas de Apurímac (UNAMBA). Esta investigación identifica y analiza las principales brechas en la calidad educativa de la EAPIIS, abordando áreas críticas como la gestión estratégica, la formación integral, el soporte institucional y los resultados. Para ello, se adopta el modelo de acreditación del Sistema Nacional de Evaluación, Acreditación y Certificación de la Calidad Educativa (SINEACE), que establece estándares específicos para garantizar una educación de excelencia. El objetivo principal de la investigación fue diagnosticar el estado actual de la calidad educativa en la EAPIIS, mientras que los objetivos específicos se centraron en evaluar el cumplimiento de los estándares del modelo SINEACE y diseñar un plan de adecuación que permita cerrar las brechas identificadas. La metodología empleada fue de diseño no experimental y corte transversal, basada en encuestas dirigidas a 22 docentes y 418 estudiantes. Los resultados reflejaron deficiencias significativas en infraestructura, recursos tecnológicos, movilidad académica, investigación y percepción del perfil de egreso. Estas áreas críticas afectan la capacidad de la EAPIIS para cumplir con los estándares de calidad exigidos. En respuesta, se propone un plan de adecuación enfocado a fortalecer la planificación estratégica y el sistema de gestión de calidad, modernizar la infraestructura y los recursos tecnológicos, desarrollar programas de capacitación docente, y fomentar la investigación, la innovación y la movilidad académica. Como conclusión, el diagnóstico de calidad educativa de la EAPIIS de la UNAMBA 2023, basado en el modelo SINEACE, identificó áreas críticas de mejora en las dimensiones de gestión estratégica, formación integral, soporte institucional y resultados. Los principales hallazgos incluyen la falta de comprensión de la misión y visión institucional, deficiencias en - 3 de 261 - infraestructura y servicios de soporte como internet, baja participación en actividades de investigación y desarrollo (I+D+i), y la ausencia de sistemas efectivos de reconocimiento de logros académicos. Además, se revelaron índices generales de insatisfacción tanto en docentes (61%) como en estudiantes (64.05%), evidenciando la necesidad de acciones correctivas. El plan tiene como propósito principal orientar los esfuerzos hacia el cumplimiento de los estándares del modelo SINEACE, con el objetivo que la EAPIIS alcance la acreditación y consolide su posición como un referente de calidad en la región de Apurímac. De implementarse, contribuirá a la mejora continua de la formación profesional, elevando el prestigio de la institución y promoviendo un impacto positivo en el desarrollo regional y Nacional.
Estudio comparativo entre técnicas estadísticas multivariadas y redes neuronales artificiales para el análisis de la calidad de agua para consumo humano en la red de salud Abancay, 2022
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-03-19) Zuloaga Estacio, Frank Michael; Aquino Cruz, Mario
Actualmente, en la mayoría de instituciones, incluyendo la red de salud Abancay, se utiliza estadística tradicional con el fin de determinar tendencias sobre un conjunto de datos que se centra en una sola variable. Es complicado aplicar este tipo de análisis a conjunto de datos multivariados, que son los que usualmente se obtienen en los programas de control de calidad de agua y, que excluye diferencias entre las variables analizadas y sus relaciones. El objetivo del estudio fue realizar una comparación entre las diferentes técnicas estadísticas multivariables y redes neuronales artificiales, con la finalidad de relacionar y clasificar las variables. Para realizar esto, se eligió dos técnicas de estadística multivariada, análisis de componentes principales (ACP) y análisis discriminante (AD) y dos tipos de redes neuronales artificiales, de aprendizaje no supervisado, hebbiano (RNAH), y de aprendizaje supervisado, perceptrón multicapa (RNAPM). El tipo de investigación que se utiliza en el estudio es investigación aplicada de enfoque cuantitativo, con un nivel de investigación explicativo y con un diseño transversal. Dada la comparación entre el análisis de componentes principales y la red neuronal artificial de tipo Hebbiano, se obtuvo que la red neuronal pudo asociar mejor las variables que el análisis de componentes principales. En la segunda comparación entre el análisis discriminante y la red neuronal artificial perceptrón multicapa, los resultados fueron buenos para el análisis discriminante, debido a que obtuvo un 93.3% de clasificación correcta de la calidad de agua, mientras que la red neuronal artificial obtuvo un 99.4% de clasificación correcta de calidad de agua, ya que una de las variables estudiadas, la variable cloro, fue muy determinante para conseguir un porcentaje tan alto. Por lo que se infiere, el mejor método de clasificación es la red neuronal artificial perceptrón multicapa.
Automatización de riego tecnificado por goteo, con el desarrollo e implementación de un software con tecnología arduino, 2021
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-02-03) Oscco Soto, Hidania Grimaldina; Peralta Ascue, Marleny; Huamán Fuentes, Yhon
La investigación se realizó con el objetivo de automatizar el riego tecnificado por goteo mediante el desarrollo e implementación de un software con tecnología Arduino, con la finalidad de mejorar la eficiencia del riego. En este proyecto se desarrolló un sistema de riego tecnificado por goteo utilizando Arduino como plataforma de programación para controlar las válvulas de agua. Estas válvulas desempeñan un papel importante en el diseño hidráulico, al regular el flujo de agua de manera precisa. Además, se integraron sensores de humedad y temperatura para controlar las condiciones del suelo, cantidad y duración del riego en función de las necesidades de las plantas. Estos datos permitieron abrir o cerrar las válvulas de agua de manera automatizada. Para determinar los requerimientos hídricos del cultivo, se realizó un análisis agronómico del tipo de siembra, en este caso, de betarraga (también conocida como remolacha). Se utilizaron herramientas como el programa CLIMWAT y CROPWAT, junto con los estándares de la FAO, para calcular las necesidades de agua del cultivo. El diseño hidráulico se llevó a cabo en un área aproximada de 7m de ancho por 11m de largo, lo que resultó en un área total de 77m2. Se instalaron 19 goteros en cada fila, con un total de 11 filas y un espaciado de 50 cm entre ellas. Los resultados mostraron una mejora en la eficiencia del riego tecnificado por goteo. Se observó una desviación estándar de 16.15s en el sistema de riego automatizado, en comparación con 14.69s sin el sistema. Además, los tiempos de llegada al primer y último gotero fueron de 35.0s y 81.0s, respectivamente. En cuanto al uso adecuado del agua, se encontró una correlación de r=0.208 entre el control de agua con el sistema y sin el sistema, lo que indica que existe una mejora en el control. La media de la cantidad de agua utilizada fue de 0.3800m³ con la aplicación del riego tecnificado, mientras que sin él fue de 0.65m³, lo que representa una diferencia de 0.27m³ por segundo. En relación al control de la humedad del suelo, se observó que, con el sistema de riego tecnificado, se obtuvo un promedio de humedad del suelo de 27.0, mientras que, sin el sistema, el promedio fue de 11.6. Esto demuestra que el control y manejo preciso de la cantidad de agua aplicada contribuye significativamente a regular la humedad del suelo de manera eficiente.
Diseño e implementación de una aplicación web basada en PECS para mejorar la comunicación en niños con capacidades especiales en el colegio CEBE – 11 La Salle de Abancay 2023
(Universidad Nacional Micaela Bastidas de Apurímac, 2025-01-10) Gonzales Tinco, David; Ibarra Cabrera, Manuel Jesús
El estudio fue realizado con el objetivo de mejorar la comunicación de los estudiantes con necesidades especiales que generalmente son niños que presentan problemas de trastornos en el habla y con poca capacidad verbal. Para cumplir con los objetivos planteados, se desarrolló una aplicación web que implementa el sistema PECS (Picture Exchange Communication System), que reemplaza a la forma tradicional de comunicación de los niños utilizando fichas impresas, las cuales presentan dificultades como: desgaste y pérdida de material, dificultad para transportarlos, dificultad para personalizar y actualizarlo, etc. Este proyecto buscó abordar los desafíos que enfrentan los estudiantes en su comunicación y su aprendizaje, pasando del método de las fichas a un software que funciona en computadoras, para ello se creó una aplicación web usando imágenes y símbolos, que pueden ayudar en la comunicación y que permite una interacción más fácil con los alumnos que no pueden pronunciar adecuadamente las palabras. Los experimentos se realizaron con alumnos con necesidades especiales del colegio CEBE – 11 La Salle de la ciudad de Abancay en el departamento de Apurímac. Los resultados obtenidos indicaron una mejora en la comunicación y el aprendizaje en los estudiantes, una señal de que la aplicación web basada en PECS cumple con el propósito. El tiempo de comunicación disminuyó de 83.33 segundos a 44,17 segundos; por otro lado, en tiempo empleado para el aprendizaje disminuyó de 131,5 segundos a 97.17 segundos, lo que genera un impacto positivo de acuerdo a la percepción de los docentes de aula. Asimismo, se aplicó una encuesta de satisfacción a los docentes, cuyos resultados mostraron una buena calificación a la aplicación web, en su usabilidad fácil operación, claridad en la presentación de la información y diseño de interfaz. Finalmente, los resultados de la investigación mostraron que el uso de la aplicación web basado en PECS, mejoró en la comunicación y el aprendizaje en los estudiantes con necesidades especiales.

Browse

Recent Submissions