Revistas de investigación - UNAMBA
Not a member yet
173 research outputs found
Sort by
Transformation and Digital Government in the Transparency of the National University of the Altiplano
No full textLa presente investigación aborda la problemática del nivel de avance de la transformación y gobierno digital en la transparencia, lo cual limita el acceso a la información pública sobre el uso de recursos de la entidad El objetivo principal fue determinar el nivel de avance de la transformación y gobierno digital y su relación en la transparencia de la universidad. La metodología utilizada fue de enfoque cuantitativo, con alcance explicativo y diseño no experimental. La población estudiada incluye a 20,878 personas entre docentes, estudiantes y personal administrativo, con una muestra de 378 personas. Los resultados indican que la percepción del gobierno digital es mayoritariamente de nivel medio (50.5%), la tecnologías digitales y infraestructura a nivel bajo (40.2%), la ciudadanía digital a nivel medio (60.6%), la simplificación de procesos a nivel bajo (47.4%), el marco legal y regulatorio a nivel medio (49.5%), la transparencia activa a nivel medio (54.8%) y la transparencia pasiva a nivel medio (47.9%). Además, se encontró una correlación significativa entre el nivel de transformación y gobierno digital y el nivel de transparencia (valor de 0.952). Se concluye que la transformación y gobierno digital se relaciona positivamente en la transparencia de la universidad.This research addresses the problem of the level of progress of the transformation and digital government in transparency, which limits access to public information about the use of the entity's resources. The main objective was to determine the level of advancement of the digital transformation and government and its relationship to the transparency of the university. The methodology used was a quantitative approach, with explanatory scope and non-experimental design. The studied population includes 20,878 people, including teachers, students and administrative staff, with a sample of 378 people. The results indicate that the perception of digital government is mostly at a medium level (50.5%), digital technologies and infrastructure at a low level (40.2%), digital citizenship at a medium level (60.6%), the simplification of processes at a low level . (47.4%), the legal and regulatory framework at a medium level (49.5%), active transparency at a medium level (54.8%) and passive transparency at a medium level (47.9%). In addition, a significant evaluation was found between the level of transformation and digital government and the level of transparency (value of 0.952). It is concluded that the transformation and digital government are positively related to the transparency of the university
Development of Accelerated Testing Methods to Evaluate the Shelf Life of Cream Honey: Research Questions and Challenges
Get PDFEste estudio tiene como objetivo investigar el desarrollo de métodos de pruebas aceleradas para la evaluación de la vida útil de un producto denominado miel crema coloreada. Se busca identificar técnicas y metodologías que permitan predecir de manera fiable la durabilidad del producto bajo condiciones controladas.
Para ello se empleará un enfoque de tipo experimental que utilizará muestras de miel crema, y se propondrán diversos métodos de análisis fisicoquímico para evaluar los cambios en propiedades clave, tales como la viscosidad, el color, el contenido de Hidroxi-metil furfural HMF, entre otros. Los resultados que se obtengan permitirán determinar el tipo de cinética de degradación del producto y, a partir de este análisis, calcular el tiempo en el cual la miel crema mantiene una aceptación adecuada por parte del consumidor. Este trabajo no solo contribuye al conocimiento científico sobre la estabilidad de productos apícolas, sino que también apoya la actividad económica de la apicultura regional al proporcionar herramientas prácticas que aseguren la calidad y seguridad del producto a lo largo de su vida útil, finalmente se resalta que este trabajo fue presentado en la categoría Poster científico en el FERCYT UNAMBA 2024. This study aims to investigate the development of accelerated testing methods for evaluating the shelf life of a product referred to as colored cream honey. The objective is to identify techniques and methodologies that reliably predict the durability of the product under controlled conditions.
An experimental approach will be employed using samples of cream honey, and various physicochemical analysis methods will be proposed to evaluate changes in key properties such as viscosity, color, and the content of Hydroxymethylfurfural (HMF), among others. The results obtained will allow for the determination of the degradation kinetics of the product and, based on this analysis, calculate the time during which cream honey maintains adequate consumer acceptance. This work not only contributes to the scientific knowledge regarding the stability of apicultural products but also supports the economic activity of regional beekeeping by providing practical tools that ensure product quality and safety throughout its shelf life. Finally, it is emphasized that this work was presented in the Scientific Poster category at FERCYT UNAMBA 2024
The Vice-Rectorate for Research and its services in the Apurímac Region
Get PDFEl Vicerrectorado de Investigación de la UNAMBA desarrolla investigación con un sentido de pertinencia con innovación continua para el desarrollo de investigación trascendental en ciencia y tecnología, generando conocimiento dentro de un marco ético y humanista que genere un importante impacto académico en beneficio de la Región y del País asumiendo con responsabilidad desarrollarinvestigaciones de alto nivel, articuladas con las necesidades de la Región Apurímac. El objetivo del artículo es informar sobre los servicios que brinda el Vicerrectorado de Investigación de la Universidad Nacional Micaela Bastidas deApurímac Perú a la comunidad académica y social, resaltando las producciones y servicios que corresponden al VRINThe UNAMBA Vice Rector's Office for Research conducts research with a sense of relevance and continuous innovation, for the development of transcendental research in science and technology, generating knowledge within an ethical and humanistic framework that generates a significant academic impact for the benefit of the Region and the Country, responsibly assuming the responsibility of developing high-level research, articulated with the needs of the Apurímac Region. The objective of this article is to report on the services provided by the Vice Rector's Office for Research of the Micaela Bastidas National University of Apurímac, Peru, to the academic and social community, highlighting the productions and services that correspond to the VRIN
Pre-trained Deep Models for Automated Detection of 10 Types of Bone Fractures: A Comparative Study with ResNet50, EfficientNetB3 and MobileNet
Get PDFEl diagnóstico rápido y preciso de fracturas óseas es fundamental para prevenir complicaciones y optimizar el tratamiento. Las redes neuronales convolucionales (CNN) han demostrado alta eficacia en la clasificación de radiografías, alcanzando resultados comparables a los de especialistas. Este estudio evaluó MobileNet, ResNet50 y EfficientNetB3 para clasificar 10 tipos de fracturas usando 1,129 imágenes balanceadas: 90% para entrenamiento (1,017) y 10% para validación (112). El preprocesamiento incluyó redimensionado a 256×256 píxeles, conversión a RGB, normalización y one-hot encoding. El entrenamiento se realizó en Google Colab con optimizador RMSprop, pérdida categorical_crossentropy y early stopping. ResNet50 y EfficientNetB3 alcanzaron 95.54% de exactitud y F1-score >0.94, superando a MobileNet 91.51% de exactitud. Las confusiones se presentaron principalmente en fracturas visualmente similares. Las CNN evaluadas son viables para la clasificación automática de fracturas óseas, constituyendo una herramienta de apoyo diagnóstico útil, especialmente en áreas con escasez de especialistas. Se propone como trabajo futuro incluir un conjunto de prueba independiente y aumento de datos para mejorar la generalización.Rapid and accurate diagnosis of bone fractures is key to avoiding complications. Convolutional neural networks (CNN) have demonstrated high efficiency in the classification of radiographs, achieving results comparable to those of specialists. This study evaluated MobileNet, ResNet50, and EfficientNetB3 to classify 10 fracture types using 1,129 balanced images: 90% for training (1,017) and 10% for validation (112). Preprocessing included resizing to 256x256 pixels, conversion to RGB, normalization and one-hot encoding. The training was carried out in Google Colab with RMSprop optimizer, categorical_crossentropy loss and early stopping. ResNet50 and EfficientNetB3 achieved 95.54% accuracy and F1-score >0.94, outperforming MobileNet (91.96% accuracy). Confusions occurred mainly in visually similar fractures. The CNNs evaluated are viable for the automatic classification of bone fractures, constituting a useful diagnostic support tool, especially in areas with a shortage of specialists. It is proposed as future work to include an independent test set and data augmentation to improve generalization
Conjunctivitis detection from ocular images using CNN architectures and a fusion model
Get PDFLa conjuntivitis es una causa frecuente de consulta oftalmológica y puede generar complicaciones graves si no se detecta a tiempo. Este estudio evalúa tres arquitecturas de redes neuronales convolucionales preentrenadas —EfficientNetB0, InceptionV3 y ResNet50— para la clasificación automática de imágenes oculares con y sin signos de conjuntivitis. Además, se propone un modelo de fusión que combina las salidas intermedias de InceptionV3 y ResNet50. Todos los modelos fueron entrenados usando aceleración por GPU y técnicas de regularización y aumento de datos. InceptionV3 obtuvo el mejor desempeño general, con una exactitud del 95.00 % y una precisión de 0.98 para la clase positiva y 0.92 para la clase negativa, mostrando un balance sólido entre sensibilidad y especificidad. EfficientNetB0 destacó por alcanzar el mayor recall en la clase positiva y la menor tasa de falsos negativos, aunque con una precisión considerablemente menor. ResNet50 presentó la menor tasa de falsos positivos, siendo útil para reducir diagnósticos erróneos en casos negativos. El modelo de fusión alcanzó métricas competitivas y un tiempo de entrenamiento reducido, demostrando que la integración de arquitecturas puede aumentar la robustez del sistema. Este trabajo ofrece una guía práctica y reproducible para la selección de modelos en el diagnóstico automatizado de conjuntivitis, especialmente útil en contextos con recursos médicos limitados.Conjunctivitis is a common cause of ophthalmologic consultation and may lead to serious complications if not diagnosed early. This study evaluates three pretrained convolutional neural network architectures—EfficientNetB0, InceptionV3, and ResNet50—for the automated classification of ocular images with and without signs of conjunctivitis. Additionally, a fusion model combining intermediate outputs from InceptionV3 and ResNet50 is proposed. All models were trained using GPU acceleration and employed regularization and data augmentation techniques. InceptionV3 achieved the best overall performance, with an accuracy of 95.00% and a precision of 0.98 for the positive class and 0.92 for the negative class, showing a solid balance between sensitivity and specificity. EfficientNetB0 achieved the highest recall in the positive class and the lowest false negative rate, although with considerably lower precision. ResNet50 obtained the lowest false positive rate, making it valuable for reducing misdiagnosis in negative cases. The fusion model achieved competitive metrics and a reduced training time, indicating that combining complementary architectures can enhance system robustness. This work provides a practical and reproducible guide for selecting CNN models for automated conjunctivitis diagnosis, particularly in resource-limited medical settings
Predictive modeling in the Abancay snow-capped mountains using Arima analysis: projections to 2030
Get PDFEl artículo se centra en el análisis del acelerado retroceso de los nevados de Abancay, un fenómeno impulsado por el incremento de las temperaturas y la irregularidad de los patrones de precipitación. Esta disminución no solo representa una pérdida significativa de masa de hielo, sino que también amenaza la disponibilidad de agua para las comunidades locales que dependen de estos nevados como fuente vital de recursos hídricos. Mediante la aplicación de Sistemas de Información Geográfica (SIG), el estudio busca cartografiar la evolución de los nevados para comprender con mayor precisión el impacto geográfico del cambio climático en la región. El sistema proyecta una reducción del 30,17 % en la cobertura nival, una disminución del 9,06 % en la precipitación y un aumento anual de la temperatura de 0,7 °C para el 2030. Asimismo, se proponen estrategias de adaptación al cambio climático y de conservación de los ecosistemas con el fin de mitigar estos efectos y garantizar la sostenibilidad y resiliencia de las comunidades ante la pérdida de nevados y la escasez hídrica.This paper focuses on the analysis of the accelerated decline of the snowcaps in Abancay, a phenomenon driven by rising temperatures and irregular precipitation patterns. This reduction not only signifies a significant loss of ice mass but also threatens the availability of water for local communities that depend on these snowcaps as a vital source of water resources. Utilizing Geographic Information Systems (GIS), the study aims to map the evolution of the snowcaps to gain a better understanding of the geographical impact of climate change in the region. The system forecasts a 30.17% reduction in snowcaps, a 9.06% decrease in precipitation, and an annual temperature increase of 0.7°C by 2030. Additionally, adaptation strategies for climate change and ecosystem conservation are proposed to mitigate these effects, ensuring the sustainability and resilience of communities in the face of snowcap loss and water scarcity
Effect of plant-derived coagulants on the physicochemical and sensory properties of cheese
No full textEl cuajo de origen animal es ampliamente utilizado en la elaboración de diversas variedades de queso; sin embargo, su alto costo, el uso de organismos genéticamente modificados y ciertas restricciones religiosas han impulsado la búsqueda de alternativas sostenibles como los coagulantes vegetales. El presente estudio tuvo como objetivo evaluar el efecto de los coagulantes de origen vegetal sobre las características fisicoquímicas y sensoriales del queso. Se emplearon enzimas obtenidas de papaya serrana (Carica pubescens, papaína), higo (Ficus carica, ficina) y ortiga menor (Urtica urens, ácidos fenólicos), utilizando renina en pastilla como control. Durante la coagulación se adicionaron 0,3% (v/v) de látex de papaya serrana, 3% (m/v) de ramas de higo y 4% (m/v) de hojas de ortiga menor, mientras que la renina en pastilla se usó al 0,01% (m/v), considerando un litro de leche como base. Los análisis incluyeron pH, acidez, sinéresis, contenido de grasa, materia seca, contenido de agua y evaluación sensorial. Los resultados evidenciaron que el látex de papaya serrana mejoró varios parámetros tecnológicos: redujo la sinéresis (de 5,04% a 4,17%) así como el contenido de agua (de 54,39 g/100 g a 51,19 g/100 g), incrementó la materia seca (de 45,61 g/100 g a 48,81 g/100 g) y en contenido de grasa (de 26,57 g/100 g a 28,62 g/100 g), todo ello respecto al queso control (elaborado con renina en pastilla); asimismo, sus valores de pH y acidez fueron similares a los del queso control. Sensorialmente, el queso con papaya obtuvo la mayor puntuación en sabor, olor, color, textura y aceptabilidad global, alcanzando valores superiores a los del queso control. En conclusión, el látex de papaya serrana no solo fue el mejor coagulante vegetal evaluado, sino que produjo un queso con características fisicoquímicas y sensoriales comparables e incluso superiores al obtenido con renina en pastilla, lo que respalda su viabilidad como alternativa sostenible en la elaboración de quesos.Animal-derived rennet is widely used in the production of various types of cheese; however, its high cost, the use of genetically modified organisms, and certain religious restrictions have driven the search for sustainable alternatives such as plant-based coagulants. The present study aimed to evaluate the physicochemical characteristics and sensory acceptability of cheeses produced with plant-derived coagulants. Enzymes extracted from highland papaya (Carica pubescens, papain), fig (Ficus carica, ficin), and small nettle (Urtica urens, phenolic acids) were used, with tablet rennet serving as the control. During coagulation, 0,2% (v/v) highland papaya latex, 3% (m/v) fig branches, and 4% (m/v) small nettle leaves were added, while tablet rennet was used at 0,001% (m/v), considering one liter of milk as the base. The analyses included pH, acidity, syneresis, fat content, dry matter, moisture, and sensory evaluation. The results showed that highland papaya latex improved several technological parameters: it reduced syneresis (4,17% versus 5,04%), increased dry matter (48,81 g/100 g versus 45,61 g/100 g), and raised fat content (28,62 g/100 g versus 26,57 g/100 g), all compared to the control cheese (made with tablet rennet). Likewise, its pH, moisture content, and acidity values were similar to those of the control cheese. Sensory analysis revealed that the papaya-based cheese obtained the highest scores for flavor, aroma, color, texture, and overall acceptability, achieving values superior to those of the control cheese. In conclusion, highland papaya latex was not only the best plant-based coagulant evaluated, but it also produced a cheese with physicochemical and sensory characteristics comparable to—and in some cases superior to—those obtained with tablet rennet, supporting its viability as a sustainable alternative in cheese production
Determination of heavy metal contamination in the surface sediments of the Antabamba River sub-basin in a medium-term period
No full textLa investigación aborda el grave problema ambiental de la contaminación por metales pesados en los sedimentos superficiales de la subcuenca del río Antabamba, causado por actividades mineras, antropogénicas o procesos naturales. El objetivo principal es determinar la influencia de la contaminación por metales pesados en los sedimentos superficiales de la subcuenca del río Antabamba permite predecir la calidad ambiental durante un período de mediano plazo aplicando aprendizaje automático, analizando concentraciones de metales como del cromo, y considerando los estándares de calidad vigentes. Con un enfoque aplicativo y diseño experimental correlacional, se recolectaron y analizaron 28 muestras de sedimentos en 14 estaciones. El uso de algoritmos de aprendizaje automático permite predecir los límites permisibles de contaminación con el 75% de precisión, proporcionando datos clave para la gestión ambiental por meses. Los resultados subrayan la necesidad de implementar medidas de control y el cumplimiento normativo para reducir los impactos a corto y mediano plazo, y destacan la importancia de aplicar nuevos métodos para optimizar los pronósticos y futuras investigaciones The research addresses the serious environmental problem of heavy metal contamination in the surface sediments of the Antabamba River sub-basin, caused by mining, anthropogenic activities or natural processes. The main objective is to determine the influence of heavy metal contamination in the surface sediments of the Antabamba River sub-basin to predict environmental quality over a medium-term period by applying machine learning, analyzing concentrations of metals such as chromium, and considering the standards. current quality standards. With an applicative approach and correlational experimental design, 28 sediment samples were collected and analyzed at 14 stations. The use of machine learning algorithms makes it possible to predict permissible pollution limits with 75% accuracy, providing key data for environmental management and mitigation strategies for months. The results underline the need to implement regulatory control and compliance to reduce short- and medium-term impacts, and highlight the importance of applying new methods to optimize forecasts and future researc
Treatment System for the Optimization of Wastewater in Sanitary Systems and Green Areas of the UNAMBA
Get PDFLa escasez de agua constituye un desafío global crítico que afecta a millones de personas, muchas de las cuales solo tienen acceso limitado al agua potable durante determinadas horas del día, mientras que otras carecen completamente de este recurso esencial. Este problema se agudiza en entidades públicas con alta afluencia de personas, donde el consumo de agua potable en servicios higiénicos alcanza niveles considerablemente elevados. En las instalaciones de Universidad Nacional Micaela Bastidas de Apurímac, el consumo total de agua se estima en 763,469.66 litros por mes. En particular, el pabellón de aulas generales, que alberga a 540 estudiantes de la Escuela Académica Profesional de Ingeniería Civil, registra un consumo de 117,792.46 litros por mes, representando un área clave para la optimización del recurso hídrico. En respuesta a esta problemática, se propone un sistema de tratamiento de aguas residuales para su reutilización y optimización del consumo de agua potable en los sistemas sanitarios y las áreas verdes del campus universitario.Water scarcity is a critical global challenge affecting millions of people, many of whom have only limited access to drinking water during certain times of the day, while others lack this essential resource altogether. This problem is exacerbated in public entities with a high influx of people, where the consumption of drinking water in toilets reaches considerably high levels. In the facilities of Universidad Nacional Micaela Bastidas de Apurímac, total water consumption is estimated at 763,469.66 liters per month. In particular, the general classrooms pavilion, which houses 540 students of the Professional Academic School of Civil Engineering, has a consumption of 117,792.46 liters per month, representing a key area for the optimization of water resources. In response to this problem, a wastewater treatment system is proposed for reuse and optimization of potable water consumption in the sanitary systems and green areas of the university campus
Determination of the best Machine Learning model for the prediction of the California Bearing Ratio of soils in Abancay, 2024
Get PDFEl 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. The California Bearing Ratio (CBR) is a fundamental index in geotechnical engineering to evaluate the bearing capacity of soils, especially in the design and construction of pavements and other structures on natural ground. However, the determination of this index is a costly and laborious task, for that reason in this study, the prediction of CBR using machine learning models is proposed. Three machine learning models were developed, deep neural networks (DNN), decision trees, and support vector machines. The work consisted of collecting 310 records with soil characteristics, of which 217 records were considered for training, 62 for validation and 31 for testing; the data were collected in 3 soil laboratories in the city of Abancay, province of Abancay in the Apurimac region of Peru, where the following physical soil characteristics were obtained: gravel percentage, percentage of fines, optimum moisture content (OCH), liquid limit, plastic limit, plasticity index and maximum dry density (MDS) and for the characteristic to be predicted the CBR value at 100%. The models were evaluated with the coefficient of determination (R²), the mean absolute error (MAE), the mean square error (MSE), and the root mean square error (RMSE). The results show that the decision tree algorithm or model is the most efficient for predicting the CBR at 100% because it has the best coefficient of determination R² = 0.9307 and also the lowest values for the MSE = 9.199, MAE = 1.216 and RMSE = 3.033; these values are the best in relation to those found for the deep neural network and support vector regression machine models