59142 research outputs found
Sort by
Evaluación del riesgo frente a deslizamientos en la comunidad de Zumbahuayco, cantón Azogues, provincia de Cañar.
Get PDFLa comunidad de Zumbahuayco enfrenta recurrentes deslizamientos de tierra, resultado de suelos inestables, pendiente pronunciada y precipitaciones. Esto pone en riesgo la seguridad de 1,025 habitantes, afecta infraestructuras, limita actividades económicas agropecuarias y amenaza la sostenibilidad ambiental de la zona.
La evaluación del riesgo de deslizamientos en la comunidad tiene como objetivo evaluar el riesgo de deslizamiento en la comunidad de Zumbahuayco mediante un análisis integral para la identificación de las zonas susceptibles. Este estudio se justifica por la vulnerabilidad de la comunidad, condicionada por factores geológicos, climáticos y de uso del suelo. Se aplicaron técnicas avanzadas como Tomografías de Resistividad Eléctrica (ERT, por sus siglas en inglés), ensayos geotécnicos y análisis del modelo de talud infinito. Además, se integraron datos censales y geográficos mediante Sistemas de Información Geográfica (SIG) para un análisis integral.
Los resultados indican que las áreas de mayor amenaza se localizan en pendientes pronunciadas, caracterizadas por suelos arenosos de baja cohesión. El análisis de factores de seguridad (FS) mostró una marcada disminución de la estabilidad a profundidades superiores a 10 m, coincidiendo con zonas históricamente afectadas por deslizamientos. Asimismo, se identificaron 63 viviendas en riesgo, distribuidas principalmente en los sectores Pedregal, Portete y Rayoloma.
Se concluye que la comunidad requiere medidas urgentes como sistemas de drenaje adecuados, normas de construcción más estrictas y un sistema de alerta temprana (SAT) para fortalecer la gestión del riesgo. Estas acciones son esenciales para proteger a la población y reducir la exposición a futuros desastres.The Zumbahuayco community experiences recurrent landslides caused by unstable soils, steep slopes, and intense rainfall. These events endanger the safety of 1,025 inhabitants, compromise infrastructure, disrupt agro-livestock economic activities, and pose a significant threat to the environmental sustainability of the area.
The risk assessment of landslides in the community aims to identify susceptible areas and propose strategies to mitigate impacts, thus promoting sustainable development. This study is justified by the community's vulnerability, conditioned by geological, climatic, and land use factors. Advanced techniques such as electrical resistivity tomography, geotechnical tests, and infinite slope model analysis were applied. Additionally, census and geographic data were integrated using geographic information systems (GIS) for a comprehensive analysis.
The results indicate that the areas of greatest threat are located on steep slopes characterized by low-cohesion sandy soils. The factor of safety (FS) analysis showed a marked decrease in stability at depths greater than 10 meters, coinciding with areas historically affected by landslides. Furthermore, 63 houses at risk were identified, mainly distributed in the sectors of Pedregal, Portete, and Rayoloma.
It is concluded that the community requires urgent measures such as adequate drainage systems, stricter construction regulations, and an early warning system (EWS) to strengthen risk management. These actions are essential to protect the population and reduce exposure to future disasters.
Keywords: Landslides, factor of safety, risk management, exposure, stability, EWS
Modelo predictivo para admisión en una institución de educación superior en las etapas de asignación y aceptación de cupo.
Get PDFEl proceso de selección de estudiantes ha sido un factor crítico de éxito para las instituciones de educación superior. Históricamente, las universidades han buscado admitir a estudiantes calificados y comprometidos con sus programas académicos. Sin embargo, desde el 2023 con la implementación del reglamento del sistema nacional de nivelación y admisión en Ecuador, la presión por alcanzar metas de matrícula, igualdad de oportunidades, equidad, entre otros, ha llevado a que instituciones no tengan autonomía en el método de asignación de cupos y ha llevado a que se asignen cupos que podrían ser rechazados. Este fenómeno, ha generado desafíos en términos de calidad académica y sostenibilidad financiera.
Por otro lado, cuando los estudiantes recibían múltiples ofertas de admisión, su decisión final se veía influenciada por una variedad de factores, como la reputación institucional, la calidad de los programas académicos y la disponibilidad de recursos. En este contexto, las instituciones educativas han reconocido la importancia de comprender mejor el comportamiento de los estudiantes durante el proceso de selección.
Al analizar estos desafíos y oportunidades, se ha evidenciado la necesidad de desarrollar herramientas y modelos que permitan a las universidades optimizar sus procesos de admisión. A través de una mejor comprensión de los factores que influyen en las decisiones de los estudiantes, las instituciones pueden tomar decisiones más informadas y estratégicas, mejorando tanto la calidad de su alumnado como su posición competitiva en el mercado educativo.
Con la ayuda de modelos de aprendizaje automático, CatBoost, Random Forest y Multilayer perceptron fueron implementados comparando su rendimiento, relación con las variables del dataset y se logró implementar un modelo predictivo para la etapa de aceptación de cupos con una exactitud mayor al 90% y priorizando la necesidad de la universidad.
Palabras Clave: admisión universidad, modelo predictivo, aceptación cupoThe student selection process has been a critical success factor for higher education institutions. Historically, universities have sought to admit qualified students who are committed to their academic programs. However, since 2023 with the implementation of the regulations of the national leveling and admission system in Ecuador, the pressure to achieve enrollment goals, equal opportunities, equity, among others, has led to institutions not having autonomy in the method of assigning places and has led to the assignment of places that could be rejected. This phenomenon has generated challenges in terms of academic quality and financial sustainability.
On the other hand, when students received multiple admission offers, their final decision was influenced by a variety of factors, such as institutional reputation, the quality of academic programs, and the availability of resources. In this context, educational institutions have recognized the importance of better understanding student behavior during the selection process.
By analyzing these challenges and opportunities, the need to develop tools and models that allow universities to optimize their admission processes has become evident. By better understanding the factors that influence student decisions, institutions can make more informed and strategic decisions, improving both the quality of their students and their competitive position in the educational market.
With the help of machine learning models, CatBoost, Random Forest and Multilayer perceptron were implemented, compared their performance and relationship with the dataset variables, and a predictive model was implemented for the stage of acceptance of places more than 90% accuracy and prioritizing the needs of the university.
Keywords: university admission, predictive model, quota acceptanc
