Redata Repositorio de datos abiertos de investigación de Uruguay
Not a member yet
75 research outputs found
Sort by
DATABASE FOR : Longitudinal declines in autochthony and food web length: Why do ecological frameworks fail to predict trophic webs in rivers of the Pampas biome?
No full textThis is then Dataset for MS entitled: "Longitudinal declines in autochthony and food web length: Why do ecological frameworks fail to predict trophic webs in rivers of the Pampas biome?" Submitted
Este set de datos contiene scripts y tablas de datos necesarias para correr los análisis estadísticos desarrollados en la publicación
Monoclonal antibodies against nitrated nerve growth factor reveal an oxidation-dependent hallmark in ALS
No full textThis data set includes condensed versions of the molecular dynamics trajectories performed and analyzed within the work entitled: "Monoclonal antibodies against nitrated nerve growth factor reveal an oxidation-dependent hallmark in ALS" by Valentina Varela and coworkers
Conjunto de datos de: Comparación de dos pruebas diagnósticas para la detección de trastornos témporomandibulares. Una revisión sistemática y metaanálisis.
No full textLos datos corresponden a una revisión sistemática y posterior metaanálisis para comparar pruebas diagnósticas para la detección de trastornos témporomandibulares (TTM) . En odontología estso trastornos son la principal causa del dolor orofacial después del dolor de origen dental y la prevalencia de los TTM se incrementa durante la adolescencia hasta llegar a su pico máximo en la edad media. El dolor relacionado con los TTM puede afectar la capacidad del individuo para realizar sus actividades diarias, el funcionamiento psicosocial y su calidad de vida. La falta de un diagnóstico oportuno causa incertidumbre y tiende a conducir a cuadros crónicos con consecuencias tanto económicas como en la calidad de vida del paciente.
Se realizó una revisión sistemática con metaanálisis siguiendo las recomendaciones de las listas de verificación PRISMA-DTA. Se incluyeron estudios que evaluaron la precisión diagnóstica de los instrumentos IAF y 3Q-TMD a partir de las pruebas de referencia RDC y DC-TMD.El período de búsqueda comprendió desde el año1992 hasta abril de 2022 en 6 bases de datos electrónicas. Dos revisores independientes seleccionaron los estudios. El riesgo de sesgo y aplicabilidad se evaluó mediante el instrumento QUADAS 2
Conjunto de datos de: Diagnóstico de necesidades de formación y propuesta de intervención educativa para el profesorado de Uruguay en materia de competencia digital docente: Caso piloto
No full textEste repositorio contiene datos provenientes de dos encuestas aplicadas a docentes de secundaria de un mismo centro, con el objetivo de relevar su competencia digital y su percepción sobre el uso de la inteligencia artificial en la enseñanza. Además, se aportan datos relevados mediante entrevistas a docentes en el rol de Profesores Orientadores en Informática y Tecnología Educativa y al director del centro educativo, así como a docentes mediante un grupo de discusión.
Los datos recopilados pueden ser utilizados para análisis sobre la adopción de tecnologías en el ámbito educativo, barreras y oportunidades para la integración digital en la docencia, especialmente, en lo relacionado con la aplicación de la inteligencia artificial a los procesos de evaluación.
Archivos Disponibles
1. Relevamiento sobre Competencia Digital Docente e Inteligencia Artificial
Nombre del archivo: Relevamiento sobre Competencia Digital Docente e Inteligencia Artificial(1-63)_redata.xlsx
Descripción: Este conjunto de datos recoge información sobre las habilidades digitales de los docentes y su percepción sobre el uso de inteligencia artificial en la educación. El archivo contiene dos hojas, una con el Diccionario de variables y otra con el Dataset.
2. Relevamiento sobre Competencia Digital Docente
Nombre del archivo: Relevamiento sobre Competencia Digital Docente(1-71) - redata.xlsx
Descripción: Este conjunto de datos se centra en evaluar la competencia digital de los docentes, sin incluir específicamente el uso de inteligencia artificial. El cuestionario se basa en la adaptación realizada por el MEC en 2022 sobre la base del cuestionario DigCompEdu. El archivo contiene dos hojas, una con el Diccionario de variables y otra con el Dataset.
3. Relevamiento cualitativo sobre Competencia Digital Docente e Inteligencia Artificial
Nombre del archivo: Instrumentos cuali_ validado_VF
Descripción: Este documento recopila una serie de instrumentos cualitativos diseñados para relevar información sobre la competencia digital de los docentes y su percepción del uso de inteligencia artificial en la enseñanza.
A través de entrevistas y grupos de discusión, se exploran experiencias, desafíos y oportunidades en la integración de tecnologías digitales en la educación.
Instrumentos y categorías de análisis:
Entrevista a Director
Competencias digitales: Percepción del nivel de competencia digital del cuerpo docente y acciones implementadas para su mejora.
Evaluación y retroalimentación: Uso de herramientas digitales en la evaluación de los estudiantes y su efectividad.
Apoyo institucional: Tipos de soporte técnico y formativo brindados a los docentes y planes futuros en este ámbito.
Impacto y resultados: Cambios observados en el aprendizaje a partir del uso de tecnologías digitales, con ejemplos concretos.
Integración de Inteligencia Artificial: Estrategias implementadas para la adopción de IA en la enseñanza y evaluación, formación docente en este ámbito y su visión a futuro.
Entrevista a Profesor Orientador en Tecnologías Digitales
Capacitación y desarrollo: Formación y apoyo brindado en el uso pedagógico de tecnologías digitales, incluyendo espacios y necesidades más recurrentes.
Uso de herramientas digitales: Recomendaciones y nivel de adopción de herramientas digitales en la evaluación y retroalimentación.
Retroalimentación y mejora: Métodos utilizados para recopilar datos sobre el uso de tecnologías y ajustes realizados en la estrategia de acompañamiento docente.
Desafíos y oportunidades: Retos principales en la orientación docente en tecnologías digitales y posibilidades de mejora en su integración.
Uso de Inteligencia Artificial: Recomendaciones sobre herramientas de IA, percepción del profesorado y desafíos en su implementación en la enseñanza.
Grupo de Discusión con Docentes
Experiencias con la tecnología: Uso de herramientas digitales en la enseñanza y evaluación, impacto en su práctica pedagógica.
Eficacia y desafíos: Beneficios y dificultades en la implementación de tecnologías digitales en la evaluación.
Apoyo y formación: Evaluación de las oportunidades de formación disponibles y necesidades adicionales en competencia digital.
Uso de Inteligencia Artificial: Experiencias con IA en la enseñanza, ventajas observadas y barreras encontradas en su adopción.
Sugerencias para el futuro: Recomendaciones para mejorar la formación docente, tecnologías de interés y visión sobre el futuro de la evaluación digital.
Las transcripciones relativas a la aplicación de estos instrumentos se corresponden con los siguientes documentos disponibles:
4. Transcripción entrevista Directora.docx
5. Transcripción entrevista POITE1.docx
6. Transcripción entrevista POITE2.docx
5. Transcripción Grupo de discusión.docx
Para más detalles sobre la estructura de los datos o consultas adicionales, contactar con los responsables de la recopilación de la información: [email protected] [email protected].</p
Conjunto de datos del Índice de Desarrollo Regional de Uruguay 2006-2022
No full textEl Indice de Desarrollo Regional para Uruguay (IDERE Uruguay) es un índice que mide el desarrollo multidimensional de los 19 departamentos y permite visibilizar y comparar diferentes niveles de desarrollo territorial en el país. Asume valores entre 0 y 1, siendo 1 el máximo valor teórico de desarrollo y 0 el menor valor teórico. Todas las variables y dimensiones se miden de 0 a 1, y se leen en forma positiva (se invierte la polaridad de las variables con connotaciones negativas: por ejemplo, pobreza o tasa de mortalidad infantil). Se compone de cinco dimensiones: educación, salud, bienestar y cohesión, actividad económica e instituciones.
El Índice de Desarrollo Regional Uruguay (IDERE-UY) es resultado del proyecto n.o 1_2021_1_166598, financiado por el Fondo María Viñas de la Agencia Nacional de Investigación e Innovación (convocatoria 2021), coordinado por Adrián Rodríguez Miranda, alojado en la Facultad de Ciencias Económicas y Administración de la Universidad de la República.</p
Dinámicas y estructuras de la chaperona Hsp90
No full textThis dataset contains results from molecular dynamics simulations of the Hsp90 chaperone, including the corresponding PDB structures. The trajectory files are provided in .xtc format. There are ten simulation files corresponding to different systems of the dimeric structure. These systems include: the dimer with both tyrosine 33 residues nitrated and protonated (dimer-nY33prot), the dimer with both tyrosine 33 residues nitrated and deprotonated (dimer-nY33deprot), the dimer with both tyrosine 56 residues nitrated and protonated (dimer-nY56prot), the dimer with both tyrosine 56 residues nitrated and deprotonated (dimer-nY56deprot), and the native dimer (dimer-native). All of these systems have ATP bound as a ligand.
Additionally, there are ten simulation files corresponding to different systems of the N-terminal domain structure, in which the ATP lid region is in the open conformation. These systems include the native N-terminal domain (NTD-native), the N-terminal domain with tyrosine 56 nitrated and protonated (NTD-nY56prot), and the N-terminal domain with tyrosine 56 nitrated and deprotonated (NTD-nY56deprot). In all these cases, ATP is bound as a ligand.
Finally, there are three additional systems of the N-terminal domain in which ATP is not bound: the native N-terminal domain (NTD-noATP-native), the domain with tyrosine 33 nitrated and protonated (NTD-noATP-nY33prot), and the domain with tyrosine 33 nitrated and deprotonated (NTD-noATP-nY33deprot).
Each simulation runs for 1 microsecond and is summarized in 1000 frames.
This dataset supports the findings of the article entitled “Nitration-driven structural changes in Hsp90 linked to gain of pathological functions”.</p
Conjunto de datos de: Tablas para evaluación de las hipótesis del modelo en base al árbol de decisión desarrollada por Salafsky et al 2019 para dinámicas entre ecosistemas abiertos y bosque en el Noreste de UY
No full textTablas para evaluación del modelo de estados, transiciones y variables que influyen en la dinámica de ecosistemas abiertos a bosque para la zona norte de Uruguay construido a partir de las consultas (tesis de doctorado de Etchebarne Palla 2022) siguiendo el árbol de decisión propuesto por Salafsky et al. (2019) con el objetivo de contrastar y evaluar el modelo construido con evidencia existente a nivel nacional, regional y mundial. Se elaboraron hipótesis sensu Salafsky et al. (2019) sobre los estados, transiciones y variables identificadas en las consultas y se contrastó con evidencia genérica para ver si se apoyaban o no las hipótesis para el sitio de estudio
Open Kinematic Dataset of Walking at Different Speeds in Type 2 Diabetes and Control Participants
No full textThe dataset includes kinematics data recorded by a Motion Capture System (Vicon Motion System, Oxford, UK) at 100Hz. Data were filtered (fourth-order zero-lag Butterworth low-pass filter with a cutoff frequency of 6 Hz) and exported with Vicon’s Nexus 2.15 software.
DM2_kinematics_data (JSON Dataset)
CG_kinematics_data (JSON Dataset)
These datasets contain walking trials data collected across 37 subjects: 15 with type 2 diabetes mellitus (DM2) and 22 healthy participants (CG). The groups were paired for age and sex. Each participant performed 5 sessions on a treadmill at different constant speeds: the individual's self-selected walking speed (SSWS), two speeds above and two speeds below the SSWS. During each session, up to three 30-second trials were recorded by the MOCAP system. The data is stored as a hierarchical JSON file for ease of parsing, analysis, and expansion.
---
Structure
The data is organized in four hierarchical levels:
Subject ID → Speed → Trial Number → Kinematic Variables (markers 3D position)
Where:
-- **Subject ID**: A numeric string (e.g., `"7"`), - **Speed**: Integer string representing the gait speedin hm/h (e.g., `"18"` means 1.8 km/h). Speed values can be easily converted to m/s by dividing for 36 (e.g. 18/36 = 0.5 m/s). - **Trial Number**: A string ID for each 30-second trial (e.g., `"1"`, `"2"`, etc.)
-Each trial entry contains a dictionary of 56 sampled variables over time: Frame and Subframe are index vars - The following variables are grouped by three, and named as right or left (R, L) + the name of the body marker + the axis (e.g. RLOBx, RLOBy, RLOBz, for a total of 9 anatomical positions and 18 markers). LOB = Temporal lobe; SH = Acromion; ELB = Elbow; WR = Ulnar stiloyd process; GT = Great Trochanter; KN = Knee (lateral); AN = Malleolus lateral; HEE = Heel; MT = 5th Metatarsal. The 3D space was calibrated following the right hand rule, with the axis "X" = mediolateral; "Y" = anteroposterior; "Z" = vertical. Values are in mm.
Subjects_groups_db (CSV File)
This table contains the participants' data
---
Example
{
{
"7": {
"45": {
"1": {
"Frame": [1, 2, 3, ...],
"Subframe": [0, 0, 0, ...],
"RLOBx": [61.44, 61.92, 60.88, ...],
"RLOBy": [56.09, 56.09, 54.58, ...],
...
}
}
}
}
</html
Conjunto de datos de: 25 años de monitoreo oceanográfico frente al Puerto de La Paloma (1996–2021): Registros de temperatura y salinidad de la Unidad de Gestión Pesquera Atlántica, DINARA
No full textMuestreo de Salinidad y Temperatura continuo llevado a a cabo por la base de la Unidad de Gestión Pesquera Atlántica, Dirección Nacional de Recursos Acuáticos, Ministerio de Ganadería Agricultura y Pesca, Uruguay. Toma de muestra periódica dos veces al día en el Puerto de La Paloma durante el periodo de 1996 al 2021. Mediciones llevadas a cabo en el marco de un programa de monitoreo ambiental continuo de las variables de salinidad y temperatura costeras. Los datos se encuentran publicados en el artículo "Twenty-five years of continuous temperature and salinity observations on the Uruguayan Atlantic coast"
Breath-by-breath cardiometabolic data during walking and tango walk at self-selected speed
No full text This dataset contains structured records from individual cardiometabolic test sessions, extracted from original Excel files. Each entry corresponds to one subject and includes both static metadata and dynamic time-series measurements.
Structure Overview Each JSON block includes the following components: subject_id: Unique identifier for the participant, extracted from the filename or cell A1 of the original Excel sheet.
metadata: Key descriptive fields about the subject and test context. These include: age: Age of the subject at the time of testing height_cm: Height in centimeters weight_kg: Weight in kilograms sex: Biological sex test_type: Type of test performed (e.g., maximal, submaximal) test_date: Date of the test session subject_type: Classification of the subject (e.g., healthy, clinical) birth_date: Date of birth test_reason: Stated reason or objective for the test
data_table: Time-series measurements recorded during the test. This includes: headers: List of variable names (e.g., VO₂, HR, GPS altitude, cadence) units: Corresponding units of measurement for each variable records: List of data rows, each representing a time point or step in the protocol. All columns are preserved to maintain raw data integrity.
Each subject table includes: 5-minutes of baseline measure with the subject quietly standing; walking trial; tango trial. The beginning and endpoints of each section/trial are identified by a marker in the appropriate column. </p