Universidad Nacional de Trujillo: Publicaciones Científicas
Not a member yet
3750 research outputs found
Sort by
Participación comunitaria y bienestar rural: Programa nacional de vivienda rural
No full textEl presente estudio busca analizar la relación entre participación comunitaria y bienestar rural de los beneficiarios del Programa Nacional de Vivienda Rural del distrito Sanagoran, provincia Huamachuco, departamento La Libertad, 2024. La muestra estuvo compuesta por 40 beneficiarios del programa, a quienes se les aplicaron encuestas y entrevistas semiestructuradas. La recolección de datos incluyó cuestionarios estructurados y análisis de fiabilidad mediante el coeficiente de Cronbach (0.87). Para el análisis, se utilizaron tanto técnicas estadísticas en SPSS, como la codificación cualitativa con ATLAS.ti. Los resultados inferenciales y el coeficiente de correlación de Spearman, arrojaron un valor de Rho de 0,681, lo que indica una correlación positiva moderada entre la participación comunitaria y el bienestar rural. Del lado cualitativo, se encontró una clara interacción entre la participación y la satisfacción de la población, así como con el acceso y condiciones de vivienda. No obstante, persisten desafíos en la gestión de recursos y la toma de decisiones comunales. Se concluye que la participación comunitaria es clave para el bienestar rural en el caso estudiado, ya que fortalece la cohesión social y mejora la calidad de vida
Modelación del comportamiento de los niveles de ruido en el centro histórico de Trujillo 2025: Un estudio geoestadístico
No full textEl presente estudio examinó la problemática de la contaminación sonora en el Centro Histórico deTrujillo, ya que los niveles de ruido sobrepasan las recomendaciones de la OMS, afectando la saludpública. Se empleó un diseño no experimental, prospectivo y transversal, con datos recolectadosaleatoriamente en 36 de 78 nodos, utilizando un sonómetro calibrado durante tres horarios. Laestimación de los niveles de ruido en puntos no muestreados se realizó mediante el métodogeoestadístico Kriging, seleccionando el modelo Bessel, el cual mostró el mejor ajuste. Losresultados indicaron niveles promedio de ruido entre 72 y 75 dBA, con un coeficiente de variaciónmenor al 20% y una dependencia espacial entre 300 y 350 metros. Mediante mapas de calor, seidentificó que áreas como la avenida España con los jirones Orbegoso, San Martín y Pizarroregistraban niveles superiores a los 70 dBA, representando un riesgo significativo para la saludpública. El estudio concluyó que el modelo Bessel representa adecuadamente la distribución delruido, destacando la utilidad de las herramientas geoestadísticas y proponiendo considerar lacontaminación sonora como un riesgo para el patrimonio. Finalmente, se recomendó laimplementación de áreas verdes, el monitoreo con tecnologías IoT, y políticas de control detránsito
Optimización de la limitación del Pit final mediante el Algoritmo Lerchs & Grossmann en Python
No full textLa optimización del límite final del tajo (UPL) es una etapa desisiva al momento de planficar la explotacion de minas a tajo abierto, debido a que afecta directamente la rentabilidad del proyecto. Este estudio busca determinar el UPL usando el algoritmo de Lerchs y Grossmann (LG). Se maximiza el Valor Actual Neto (VAN) a través de una implementación computacional reproducible en Python. La metodología se basa en un modelo de bloques sintético que incluye 151,898 bloques de 5 × 5 × 5 m. Este modelo tiene información espacial (X, Y, Z), leyes de cobre variables, una densidad constante y parámetros económicos definidos. El análisis se realizó en Google Colab con Python 3.12.12. Se consideró un precio del cobre de 2.26 USD/lb, un costo de venta de 0.12 USD/lb, un costo de minado de 6.15 USD/t y supuestos económicos constantes, sin descuento temporal, para un escenario de planificación de tajo final. Los resultados indican que la optimización mediante LG crea un tajo final con 18,393 bloques, un tonelaje de mineral de 6,295,982.75 t, 106,322.86 t de material estéril, una profundidad máxima de 110 m y un volumen total de 3,523,275 m³. Esto resulta en un VAN de 239.92 millones de USD. El algoritmo de LG es un método sólido y eficiente para optimizar el UPL. Ofrece soluciones económicamente óptimas y técnicamente consistentes para estudios de planificación minera estratégica.
Referencias
[1] L. Si, C. Fan, Q. Zhuo, R. Rybár, M. Beer, and L. Bednárová. Mining and Processing of Mineral Resources. Processes, vol. 13, no. 9, p. 2823, 2025. DOI: https://doi.org/10.3390/PR13092823
[2] N. Adibi, M. Ataee-Pour, and M. Rahmanpour. Integration of sustainable development concepts in open pit mine design. Journal of Cleaner Production, vol. 108, pp. 1037–1049, 2015. DOI: https://doi.org/10.1016/J.JCLEPRO.2015.07.150
[3] P. Söderholm and N. Svahn. Mining, regional development and benefit-sharing in developed countries. Resources Policy, vol. 45, pp. 78–91, 2015. DOI: https://doi.org/10.1016/J.RESOURPOL.2015.03.003
[4] K. R. Long. Economics of mining law. Nonrenewable Resources, vol. 4, no. 1, pp. 74–83, 1995. DOI: https://doi.org/10.1007/BF02257018
[5] P. Zhang et al. Geotechnical risk management to prevent coal outburst. International Journal of Mining Science and Technology, vol. 26, no. 1, pp. 9–18, 2016. DOI: https://doi.org/10.1016/J.IJMST.2015.11.003
[6] R. K. Mishra et al. Geotechnical Risk Management Concept for Intelligent Deep Mines. OnePetro, 2017.
[7] N. L. Mai, O. Erten, and E. Topal. A new generic open pit mine planning process. International Journal of Coal Science & Technology, vol. 3, no. 4, pp. 407–417, 2016. DOI: https://doi.org/10.1007/S40789-016-0152-Z
[8] M. Blom, A. R. Pearce, and P. J. Stuckey. Short-term planning for open pit mines. International Journal of Mining, Reclamation and Environment, vol. 33, no. 5, pp. 318–339, 2019. DOI: https://doi.org/10.1080/17480930.2018.1448248
[9] R. D. Cairns and N. Van Quyen. Optimal exploration and exploitation of heterogeneous mineral deposits. Journal of Environmental Economics and Management, vol. 35, no. 2, pp. 164–189, 1998. DOI: https://doi.org/10.1006/JEEM.1998.1027
[10] C. Castañón et al. Resource and Reserve Calculation in Seam-Shaped Deposits. Minerals, vol. 7, no. 5, p. 72, 2017. DOI: https://doi.org/10.3390/MIN7050072
[11] R. Goodland. Responsible Mining: The Key to Profitable Resource Development. Sustainability, vol. 4, no. 9, pp. 2099–2126, 2012. DOI: https://doi.org/10.3390/SU4092099
[12] D. L. Bikubanya and B. Radley. Productivity and profitability of gold mining mechanisation. Extractive Industries and Society, vol. 12, p. 101162, 2022. DOI: https://doi.org/10.1016/J.EXIS.2022.101162
[13] S. Bohidar et al. Design of novel UPFC based damping controller. International Journal of Emerging Electric Power Systems, vol. 26, no. 3, pp. 563–574, 2025. DOI: https://doi.org/10.1515/IJEEPS-2024-0138
[14] D. Fensel et al. The Unified Problem-Solving Method Development Language. Knowledge and Information Systems, vol. 5, no. 1, pp. 83–131, 2003. DOI: https://doi.org/10.1007/S10115-002-0074-5
[15] R. Underwood and B. Tolwinski. A mathematical programming viewpoint for solving the ultimate pit problem. European Journal of Operational Research, vol. 107, no. 1, pp. 96–107, 1998. DOI: https://doi.org/10.1016/S0377-2217(97)00141-0
[16] A. D. Mwangi et al. Ultimate Pit Limit Optimization Methods in Open Pit Mines. Journal of Mining Science, vol. 56, no. 4, pp. 588–602, 2020. DOI: https://doi.org/10.1134/S1062739120046885
[17] L. M. Hirsch and J. F. Schuette. Graph theory applications to geologic models. Computers & Geosciences, vol. 25, no. 2, pp. 127–139, 1999. DOI: https://doi.org/10.1016/S0098-3004(98)00116-2
[18] F. Liu et al. Geostatistics-based characterization of rock mass. Bulletin of Engineering Geology and the Environment, vol. 80, no. 2, pp. 1683–1700, 2020. DOI: https://doi.org/10.1007/S10064-020-02023-2
[19] J. Li et al. Modeling spatial variability of mechanical parameters. International Journal of Rock Mechanics and Mining Sciences, vol. 181, p. 105859, 2024. DOI: https://doi.org/10.1016/J.IJRMMS.2024.105859
[20] M. V. Deutsch. Open-pit mine planning with operational constraints. 2023.
[21] M. Zuckerberg, J. Van Der Riet, W. Malajczuk, and P. Stone. Optimal Life-of-Mine Scheduling for a Bauxite Mine. Journal of Mining Science, vol. 47, no. 2, pp. 158–165, 2011. DOI: https://doi.org/10.1134/S1062739147020031
[22] C. Meagher, R. Dimitrakopoulos, and D. Avis. Optimized open pit mine design, pushbacks and the gap problem. Journal of Mining Science, vol. 50, no. 3, pp. 508–526, 2014. DOI: https://doi.org/10.1134/S1062739114030132
[23] G. G. You. Mine Planning and Open Pit Optimization. Mining Project Value Optimization, pp. 91–111, 2025. DOI: https://doi.org/10.1007/978-981-97-7883-6_5
[24] R. Khalou Kakaei. Optimum Pit Design in Open Pit Mining with Floating Cone Method II and Lerchs–Grossmann Algorithm, 2005.
[25] N. Morales, E. Jélvez, and P. Nancel-Penard. Comparison of conventional and direct block scheduling methods for open pit mines, 2015.
[26] D. S. Hochbaum. A new-old algorithm for minimum-cut and maximum-flow in closure graphs. Networks, vol. 37, no. 4, pp. 171–193, 2001. DOI: https://doi.org/10.1002/NET.1012
[27] N. Azadi, H. Mirzaei-Nasirabad, and A. Mousavi. Evaluating the efficiency of the genetic algorithm in ultimate pit design. International Journal of Mining and Geo-Engineering, vol. 57, no. 1, pp. 55–58, 2023. DOI: https://doi.org/10.22059/IJMGE.2022.340973.594963
[28] D. S. Hochbaum. The Pseudoflow Algorithm for the Maximum Flow Problem. Lecture Notes in Computer Science, vol. 1412, pp. 325–337, 1998. DOI: https://doi.org/10.1007/3-540-69346-7_25
[29] C. L. Anderson. Implementations of the Pseudoflow Algorithm for the Maximum Flow Problem. 2007.
[30] B. Fishbain, D. S. Hochbaum, and S. Mueller. Competitive study of the pseudoflow algorithm. Journal of Real-Time Image Processing, vol. 11, no. 3, pp. 589–609, 2013. DOI: https://doi.org/10.1007/S11554-013-0344-3
[31] D. S. Hochbaum and J. B. Orlin. Simplifications of the pseudoflow algorithm. Networks, vol. 61, no. 1, pp. 40–57, 2013. DOI: https://doi.org/10.1002/NET.21467
[32] M. Deutsch, E. González, and M. Williams. Using simulation to quantify uncertainty in ultimate pit limits. Mining Engineering Magazine, 2015.
[33] D. Gawariya and S. C. Jain. Ultimate Pit Limit Optimization of Opencast Mine Using Surpac. Journal of Scientific Research and Technology, pp. 34–44, 2024.
[34] O. Adeyi et al. Process optimization and economic analysis of bioactive extracts. Heliyon, vol. 8, no. 4, p. e09216, 2022. DOI: https://doi.org/10.1016/J.HELIYON.2022.E09216
[35] M. Jamshidi and M. Osanloo. UPL determination of multi-element deposits. Journal of Mining and Environment, vol. 9, no. 1, pp. 61–72, 2018. DOI: https://doi.org/10.22044/JME.2017.5763.1387
[36] A. D. Akbari, M. Osanloo, and M. A. Shirazi. Ultimate Pit Limit determination under uncertainty, 2008.
[37] M. Ataee-Pour. A Linear Model for Determination of Block Economic Values, 2005.
[38] H. Dehghani and M. Ataee-Pour. Economic uncertainty and block value. Archives of Mining Sciences, vol. 57, no. 4, pp. 991–1014, 2012. DOI: https://doi.org/10.2478/V10267-012-0066-6
[39] M. Balci and M. Kumral. Capacity planning in open-pit mines. Mineral Economics, vol. 38, no. 2, pp. 425–443, 2025. DOI: https://doi.org/10.1007/S13563-025-00495-W
[40] A. Richmond. Direct Net Present Value Open Pit Optimisation. Advances in Applied Strategic Mine Planning, pp. 217–228, 2018. DOI: https://doi.org/10.1007/978-3-319-69320-0_15
[41] D. Kržanović, B. Kolonja, and D. Stevanović. Maximizing the net present value by applying an optimal cut-off grade. Acta Montanistica Slovaca, vol. 20, no. 1, pp. 49–61, 2015.
[42] H. Askari-Nasab and K. Awuah-Offei. Open pit optimisation using discounted economic block values. Mining Technology, vol. 118, no. 1, pp. 1–12, 2009. DOI: https://doi.org/10.1179/037178409X12450752943243
[43] S. Boachie. Optimised Open Pit Design Using Minesight Software. International Journal of Multidisciplinary Studies and Innovative Research, vol. 12, no. 3, pp. 38–41, 2023. DOI: https://doi.org/10.53075/Ijmsirq/09843432543424
[44] P. G. F. Teixeira. Análise comparativa da otimização de cava através do algoritmo de Lerchs & Grossmann, 2024.
[45] R. Khalokakaie, P. A. Dowd, and R. J. Fowell. Lerchs-Grossmann algorithm with variable slope angles. Mining Technology, vol. 109, pp. 77–85, 2000. DOI: https://doi.org/10.1179/MNT.2000.109.2.77
[46] S. M. E. Jalali and M. Ataeepour. Modification of Lerchs and Grossmann Algorithm for Pit Limit Optimization. Journal of Mining Engineering, vol. 1, no. 2, pp. 1–7, 2007.
[47] A. D. Mwangi et al. Ultimate Pit Limit Optimization Methods in Open Pit Mines. Journal of Mining Science, vol. 56, no. 4, pp. 588–602, 2020. DOI: https://doi.org/10.1134/S1062739120046885
[48] R. Dimitrakopoulos, L. Martinez, and S. Ramazan. Maximum upside/minimum downside optimization of open pit design. Journal of Mining Science, vol. 43, no. 1, pp. 73–82, 2007. DOI: https://doi.org/10.1007/S10913-007-0009-3
[49] M. Z. Abzalov. Localised Uniform Conditioning for block modelling. Mathematical Geology, vol. 38, no. 4, pp. 393–411, 2006. DOI: https://doi.org/10.1007/S11004-005-9024-6
[50] The application of multi-parametric block models to mining processes. Journal of the Southern African Institute of Mining and Metallurgy, 2010. DOI: https://doi.org/10.10520/AJA0038223X_3253
[51] R. P. King. Modeling and Simulation of Mineral Processing Systems. Elsevier, 2001.
[52] T. Tholana and C. Musingwini. Probabilistic block economic value calculation. Minerals, vol. 12, no. 4, 2022. DOI: https://doi.org/10.3390/MIN12040437
[53] E. S. Chung et al. Economic value of biventricular pacing. Journal of Medical Economics, vol. 22, no. 10, pp. 1088–1095, 2019. DOI: https://doi.org/10.1080/13696998.2019.1652184
[54] O. O. Adewoyin et al. Evaluation of geotechnical parameters using geophysical data. Journal of Engineering and Technological Sciences, vol. 49, no. 1, pp. 96–114, 2017. DOI: https://doi.org/10.5614/J.ENG.TECHNOL.SCI.2017.49.1.6
[55] A. Prästings, J. Spross, and S. Larsson. Characteristic values of geotechnical parameters in Eurocode 7. Proceedings of the Institution of Civil Engineers – Geotechnical Engineering, vol. 172, no. 4, pp. 301–311, 2019. DOI: https://doi.org/10.1680/JGEEN.18.00057
[56] S. M. Jowitt and B. A. McNulty. Geology and Mining: Mineral Resources and Reserves. SEG Discovery, no. 125, pp. 27–36, 2021. DOI: https://doi.org/10.5382/GEO-AND-MINING-11/596384
[57] S. McManus et al. Uncertainty assessment of spatial domain models. Ore Geology Reviews, vol. 133, p. 104098, 2021. DOI: https://doi.org/10.1016/J.OREGEOREV.2021.104098
[58] M. Böhmer and M. Kucera. Prospecting and Exploration of Mineral Deposits. Springer, 2014.
[59] P. Henrique and A. Campos. Spatial modeling and mine scheduling. 2023.
[60] MiningMath. Economic values documentation. 2025. https://miningmath.com/docs/knowledgebase/formatting-data/economic-values/
[61] M. Batty and Y. Xie. Modelling inside GIS: model structures and exploratory spatial data analysis. International Journal of Geographical Information Systems, vol. 8, no. 3, pp. 291–307, 1994. DOI: https://doi.org/10.1080/02693799408902001
[62] A. Hekmat, R. Fustos Toribio, and A. Ramirez-Madrid. Geo-metallurgical optimisation of block destinations integrating decision tree classification and game theory. International Journal of Mining and Reclamation Environment, vol. 39, no. 10, pp. 768–788, 2025. DOI: https://doi.org/10.1080/17480930.2025.2475186
[63] V. Lishchuk. Geometallurgical programs – critical evaluation of applied methods and techniques, 2025. https://www.diva-portal.org/smash/record.jsf?pid=diva2:999773
[64] R. Chowdhury, G. Bhattacharya, and S. Metya. Geotechnical Slope Analysis, 2nd ed., CRC Press, 2023. DOI: https://doi.org/10.1201/9780203386279
[65] H. I. Chaminé and I. Fernandes. Engineering geology mapping and GIS-based tools in geotechnical practice. Springer Tracts in Civil Engineering, pp. 3–27, 2023. DOI: https://doi.org/10.1007/978-3-031-05875-2_1
[66] P. M. Dight. Slope stability 2020: Proceedings of the International Symposium on Slope Stability, 2020.
[67] B. Enkhbayar. Open-pit slope geotechnical considerations and its effects on mine planning, 2020. https://scholarworks.alaska.edu/handle/11122/11894
[68] S. Mosch, D. Nikolayew, O. Ewiak, and S. Siegesmund. Optimized extraction of dimension stone blocks. Environmental Earth Sciences, vol. 63, no. 7, pp. 1911–1924, 2010. DOI: https://doi.org/10.1007/S12665-010-0825-7
[69] J. Poniewierski. Block model knowledge for mining engineers, 2025. https://www.linkedin.com/in/julianponiewierski/
[70] M. Kumral and Y. A. Sari. Underground mine planning for stope-based methods. AIP Conference Proceedings, vol. 2245, 2020. DOI: https://doi.org/10.1063/5.0006787
[71] A. D. Akbari, M. Osanloo, and M. A. Shirazi. Ultimate pit limit determination through minimizing risk costs, 2008.
[72] S. Moradi Pirbalouti and H. Askari-Nasab. Optimization approach for ultimate pit and push-back design, 2015.
[73] J. Chen. UpDown directed acyclic graph approach for sequential pattern mining. IEEE Transactions on Knowledge and Data Engineering, vol. 22, no. 7, pp. 913–928, 2010. DOI: https://doi.org/10.1109/TKDE.2009.135
[74] F. Flouvat et al. Mining evolutions of complex spatial objects using directed acyclic graphs. Knowledge and Information Systems, vol. 62, no. 10, pp. 3931–3971, 2020. DOI: https://doi.org/10.1007/S10115-020-01478-9
[75] A. Fariha et al. Mining frequent patterns from human interactions. Lecture Notes in Computer Science, vol. 7818, pp. 38–49, 2013. DOI: https://doi.org/10.1007/978-3-642-37453-1_4
[76] J. de J. Costa et al. Mining directed acyclic graphs in educational data. Information Sciences, vol. 482, pp. 266–278, 2019. DOI: https://doi.org/10.1016/J.INS.2019.01.032
[77] R. Carlos and S. Carboni. Optimización de diseños de minas subterráneas usando el algoritmo pseudoflow. Pontificia Universidad Católica del Perú, 2024. https://hdl.handle.net/20.500.12404/28828
[78] M. C. Djilani. Interactive open-pit design using parameterization techniques, 1997.
[79] Y. Zhao. Algorithms for optimum design and planning of open-pit mines, 2010. https://www.proquest.com
[80] H. Amankwah. Mathematical Optimization Models and Methods for Open-Pit Mining. Linköping University, 2011.
[81] W. Cai. Application of network flow and zero-one programming to open pit mine design problems, 2011.
[82] J. L. V. Mariz and A. Soofastaei. Advanced Analytics for Surface Mine Planning. Springer, 2022. DOI: https://doi.org/10.1007/978-3-030-91589-6_9
[83] J. J. Marquina Araujo. Delimitación del pit final mediante el modelo pseudoflow. Universidad Nacional de Trujillo, 2023. https://hdl.handle.net/20.500.14414/18184
[84] R. Das, E. Topal, and E. Mardaneh. Review of open pit mine and waste dump schedule planning. Resources Policy, vol. 85, p. 104064, 2023. DOI: https://doi.org/10.1016/J.RESOURPOL.2023.104064
[85] P. M. Palei and S. K. Choudhury. Production scheduling of iron deposits under grade uncertainty. Journal of Mines, Metals & Fuels, vol. 68, no. 3, 2020.
[86] D. A. Castro Solis. Aplicación del algoritmo Lerchs y Grossmann 3D para delimitar el pit final de un yacimiento cuprífero. Universidad Nacional de Trujillo, 2022.
Aplicación del método Orff para la rítmica musical en estudiantes de pedagogía artística de una universidad
No full textLa presente investigación se centró en analizar el impacto del método didáctico Orff en el desarrollo de habilidades de rítmica musical en estudiantes de pedagogía artística musical. Se trabajó con una muestra no probabilística de 15 estudiantes, utilizando una guía de observación con 20 indicadores de desempeño evaluados mediante una escala Likert. El diseño de la investigación fue aplicado, preexperimental y longitudinal, permitiendo medir el progreso a lo largo del tiempo. Los resultados del pretest revelaron un bajo nivel de competencia en rítmica musical, con el 100% de los estudiantes mostrando un conocimiento deficiente en este ámbito. Tras la implementación del método Orff a través de sesiones virtuales, los resultados del postest indicaron una mejora significativa: el 60% de los estudiantes alcanzaron un nivel de aprendizaje satisfactorio, mientras que el 40% demostró un rendimiento destacado. En conclusión, la aplicación del método didáctico Orff demostró ser efectiva para mejorar la rítmica musical en los estudiantes de pedagogía artística de la Universidad Pedro Ruiz Gallo
Estimativa do conteúdo de nitrogênio na cana-de-açúcar baseado em índices de vegetação derivados de dados Sentinel-2
Full text linkSugarcane occupies a large territorial scale in the world and is constantly searching for mechanisms to monitor nutrients in the crop production cycle, using non-destructive methods. The study aimed to estimate the nitrogen content in the sugarcane leaf was developed in the 2021/2022 harvest on two commercial fields of dryland cultivars (RB867515 = 50.75 ha) and (CVSP7870 = 48.56 ha) at the Serranópolis-Goiás mill, evaluating the efficiency of the biochemical vegetation indices Fraction of Absorbed Photosynthetically Active Radiation (fAPAR) and Canopy Chlorophyll Content (CCC) processed using the radiation transfer model RTM PROSAIL, compared to the Normalized Difference Vegetation Index (NDVI) and Green Normalized Difference Vegetation Index (GNDVI), processed using mathematical band ratio models. Both were based on a time series of Sentinel-2 data as input variables. The validation of the Agro-Model occurred through analysis of leaf tissue collected in seven interspersed evaluations during the period the crop remained in the field. The functionality of the four indexes was evidenced, highlighting the biochemical index fAPAR from the perspective of descriptive statistics (R² = 0.970 and RMSE = 0.46) for the cultivar RB867515 and (R² = 0.940 and RMSE = 0.69) for the cultivar CVSP7870.A cana-de-açúcar ocupa grande escala territorial no mundo e busca constantemente por mecanismos para monitorar os nutrientes no ciclo de produção da cultura, utilizando métodos não destrutivos. O estudo com objetivo estimar o teor de nitrogênio na folha da cana-de-açúcar foi desenvolvido na safra 2021/2022 sobre dois talhões comerciais de sequeiro cultivares (RB867515 = 50,75 ha) e (CVSP7870 = 48,56 ha) na Usina Energética Serranópolis-Goiás, avaliando a eficiência dos índices bioquímicos de vegetação Fraction of Absorbed Photosynthetically Active Radiation (fAPAR) e Canopy Chlorophyll Content (CCC) processados utilizando modelo de transferência de radiação RTM PROSAIL, comparados aos índices Normalized Difference Vegetation Index (NDVI) e Green Normalized Difference Vegetation Index (GNDVI), processados utilizando modelos matemáticos e razão de bandas. Ambos, baseados em série temporal de dados Sentinel-2 como variáveis de entrada. A validação do Agro-Modelo ocorreu através de análise de tecido foliar coletada em sete avaliações intercaladas durante o período de permanência da cultura no campo. Foi evidenciado a funcionalidade dos quatro índices, destacando o índice bioquímico fAPAR sob a ótica da estatística descritiva (R² = 0,970 e RMSE = 0,46) para o cultivar RB867515 e (R² = 0,940 e RMSE = 0,69) para o cultivar CVSP7870
Informalidad tributaria y cumplimiento tributario en los comercios de Juliaca
Full text linkLa informalidad tributaria y el cumplimiento de las obligaciones tributarias son temas de gran relevancia en la Asociación, donde se exploraron aspectos que impactan en las actividades de la asociación, así como las posibles implicaciones y desafíos que enfrenta en este ámbito. Determinó la relación entre la informalidad tributaria con el cumplimiento de obligaciones tributarias en la Asociación, basado en un enfoque cuantitativa y alcance correlacional no experimental - transversal. La muestra aleatoria consistió en 134 miembros de la asociación y se utilizó un cuestionario con 24 preguntas de tipo Likert para recolectar datos. Los resultados mostraron una correlación de Spearman de 0.652, lo que respaldó la hipótesis alternativa. Se concluyó que muchos miembros de la asociación no cumplen adecuadamente con sus obligaciones fiscales debido a la falta de conocimiento
Justicia restaurativa para solución de conflictos jurídico penales de menores infractores en el distrito fiscal del Santa
Full text linkLa presente investigación tuvo como objetivo general analizar si la regulación Justicia restaurativa contribuye a la solución de conflictos jurídico penales de menores infractores en el distrito fiscal del santa, 2022. Se utilizó una metodología de tipo aplicada, con un enfoque cualitativo y con un diseño no experimental – fenomenológico, en donde se tuvo como muestra fuentes documentales, normativas y jurisprudenciales en Derecho Penal sobre las variables en estudio, así como por seis (06) abogados especialistas en Derecho Penal de la ciudad de Chimbote; en donde se aplicó como técnicas en análisis de contenido y la entrevistas las cuales contaron con sus debidos instrumentos. Se concluye que, la regulación Justicia restaurativa contribuye a la solución de conflictos jurídico penales de menores infractores en el distrito fiscal del santa, 2022, pues permite la reparación del daño causado a la víctima, así como, la reinserción y no reincidencia del menor, procurando la protección del interés de la víctima, el infractor y la comunidad, promoviendo una cultura de paz, conciencia conciliatoria y sistemas jurídicos mediadores
Estrategias de Recursos Humanos para Promover la Adaptación al Cambio en Empresas que Adoptan Tecnologías de la Industria 4.0: Una Revisión Bibliográfica
Full text linkEste artículo analiza las estrategias de recursos humanos que facilitan la adaptación al cambio en empresas que adoptan tecnologías de la Industria 4.0, mediante una revisión sistemática de la literatura con el enfoque PRISMA. A partir de búsquedas en SCOPUS, ScienceDirect y Scielo, se seleccionaron 25 artículos relevantes bajo estrictos criterios de inclusión. Los resultados destacan la importancia del desarrollo de habilidades técnicas y transversales para mejorar la competitividad empresarial. Modelos como el People Capability Maturity Model (PCMM) y el Industry 4.0 Competency Maturity Model (I4.0CMM) abordan competencias clave para la gestión del talento humano en entornos digitales. Estrategias como la digitalización, automatización, formación continua y gestión del conocimiento son fundamentales para una adaptación exitosa a los avances tecnológicos. Aunque existen limitaciones metodológicas entre los estudios, los hallazgos subrayan que estas estrategias son esenciales para potenciar la innovación y la competitividad en la era de la Industria 4.0
La floricultura como cultivo alternativo: Análisis descriptivo, modelación con inteligencia artificial, análisis de escenarios y análisis económico
Full text linkFloriculture is a sector of growing global importance, contributing to employment generation, income creation, and the promotion of biodiversity and sustainability. This study aimed to identify the factors influencing the adoption of floriculture as an alternative crop in the province of Leoncio Prado, Peru, and to assess its economic viability. A total of 269 farmers were surveyed, analyzing attitudes, land suitability, and socioeconomic and environmental factors. Influential factors were identified using descriptive analysis, chi-square tests, and logistic regression (p < 0.1). Additionally, multiple machine learning algorithms (Decision Trees, Logistic Regression, KNN, SVM, Ensemble, Neural Networks, Naive Bayes) with cross-validation (k = 5) and AUC metrics were employed to model adoption intentions. Scenarios were developed to increase the willingness to adopt floriculture, and an economic analysis of eight tropical species (Red Ginger, Anthurium, Emperor's Staff, Heliconia, Gardenia, Parrot's Beak, Golden Heliconias, Maracas) was conducted. The results reveal that willingness to change crops, participation in awareness campaigns, allocation of areas for conservation, and cost control are key factors. The neural network model achieved an AUC of 83.3%, and improved scenarios indicate that adoption could increase by up to 11.32%. Red Ginger demonstrated high profitability (NPV S/10428; IRR 51%; PBP 0.7 years). In conclusion, floriculture represents an economically and environmentally viable alternative that contributes to agricultural diversification and sustainability.La floricultura es un sector de creciente importancia a nivel mundial, contribuyendo a la generación de empleo, ingresos y a la promoción de la biodiversidad y la sostenibilidad. Este estudio tuvo como objetivo identificar los factores que influyen en la adopción de la floricultura como cultivo alternativo en la provincia de Leoncio Prado, Perú, y evaluar su viabilidad económica. Para ello, se encuestó a 269 agricultores, analizando actitudes, aptitud de la tierra, factores socioeconómicos y ambientales. Mediante análisis descriptivo, pruebas de chi-cuadrado y regresión logística (p < 0,1) se seleccionaron los factores influyentes. Además, se emplearon múltiples algoritmos de aprendizaje automático (Árboles de Decisión, Regresión Logística, KNN, SVM, Ensemble, Redes Neuronales, Naive Bayes) con validación cruzada (k = 5) y métricas AUC para modelar la intención de adopción. Se desarrollaron escenarios incrementando la predisposición a adoptar la floricultura, y se realizó un análisis económico de ocho especies tropicales (Ginger Rojo, Anturio, Bastón del Emperador, Heliconia, Gardenia, Pico de Loro, Heliconias Golden, Maracas). Los resultados revelan que la disposición a cambiar de cultivo, la participación en campañas de sensibilización, la destinación de áreas a la conservación y el control de costos son factores clave. El modelo de redes neuronales alcanzó un AUC de 83,3% y escenarios mejorados indican que la adopción podría incrementar hasta en 11,32%. El Ginger Rojo demostró alta rentabilidad (VAN S/10428; TIR 51%; PRI 0,7 años). En conclusión, la floricultura representa una alternativa económica y ambientalmente viable que contribuye a la diversificación agrícola y a la sostenibilidad
Contenido de grasa total y compuestos bioactivos de diferentes genotipos de ajo (Allium sativum L.), cultivados en República Dominicana
Full text linkGarlic is a widely consumed plant species around the world. In the Dominican Republic there is high genetic diversity in the white and purple garlic varieties cultivated in Constanza, La Vega, with more than twenty genotypes having been cultivated; however, some have disappeared, or their production has been discontinued due to poor adaptability, productivity, or convenience, mainly due to the lack of chemical characterization. In this research, the total fat content and bioactive compounds of the prevailing and cultivated genotypes were analyzed: Taiwan 1, Taiwan 2, Taiwan 3, Taiwan 3A, Taiwan 05, Cuban Morado, Cuban Morado #3, Morado Rosello, Morado Rosello #1, Morado Niño, IDIAF 1, IDIAF SEA 14 and Ramón Collado. A completely randomized design was used, and an ANOVA and Tukey's test were applied at 95% confidence. The results were: total fat (0.08 to 0.38 % dry basis), allicin (167.92 to 2,335.55 mg/kg), antioxidant activity (23.83 to 98.83 μmolTE/100g), total phenolic content (89.70 to 136.85 mgGAE/100g), tannins (293.33 to 535.76 mg TAE/kg) and flavonoids (23.78 to 61.62 μgEqRutin/g). Total fat and bioactive compounds fluctuated between genotypes, highlighting the difference in chemical composition according to their genetic variation.El ajo es una especie vegetal muy consumida alrededor del mundo. En República Dominicana existe alta diversidad genética en las variedades de ajo blanco y morado cultivadas en Constanza, La Vega, habiendo sido cultivados más de veinte genotipos; sin embargo, algunos han desaparecido o su producción ha sido descontinuada debido a poca adaptabilidad, productividad o conveniencia, principalmente por la ausencia de caracterización a nivel químico. En esta investigación se analizó el contenido de grasa total y compuestos bioactivos de los genotipos que prevalecen y se cultivan: Taiwán 1, Taiwán 2, Taiwán 3, Taiwán 3A, Taiwán 05, Morado cubano, Morado cubano #3, Morado Rosello, Morado Rosello #1, Morado Niño, IDIAF 1, IDIAF SEA 14 y Ramón Collado. Se empleó un diseño completamente al azar y se aplicó un ANOVA y la prueba de Tukey al 95% de confianza. Los resultados fueron: grasa total (0,08 a 0,38 % base seca), alicina (167,92 a 2.335,55 mg/Kg), actividad antioxidante (23,83 a 98,83 μmolTE/100g), contenido fenólico total (89,70 a 136,85 mgGAE/100g), taninos (293,33 a 535,76 mg TAE/Kg) y flavonoides (23,78 a 61,62 μgEqRutin/g). La grasa total y los compuestos bioactivos fluctúan entre los genotipos, remarcando la diferencia en la composición química según su variación genética