Tesis
URI permanente para esta colección
Examinar
Examinando Tesis por Línea de investigación "Convergencia tecnológica"
Mostrando 1 - 2 de 2
Resultados por página
Opciones de ordenación
Ítem Integración de la Escala sMARS Adaptada y Métricas Sintéticas del BCI Emotiv Insight para la Evaluación de la Ansiedad Matemática en Estudiantes de Educación Superior(Ediciones Universidad Simón Bolívar, 2025) Orozco Guzmán, Manuel Guillermo; Díaz Pérez, Anderson; García Jiménez, RafaelLa presente tesis doctoral se centra en la evaluación integral de la ansiedad matemática en estudiantes universitarios, mediante la integración de la escala sMARSCOL v2, adaptada al contexto colombiano, con métricas sintéticas derivadas del dispositivo BCI Emotiv Insight. El objetivo principal fue diseñar un protocolo de medición, que permitiera una evaluación multidimensional de la Ansiedad Matemática en estudiantes de educación superior. La investigación se desarrolló en cinco fases. En la primera, se llevó a cabo la validación de contenido por juicio de expertos, quienes evaluaron la claridad, pertinencia y coherencia de los ítems, así como la incorporación de una subescala orientada a la ansiedad social en contextos matemáticos. En la segunda, se aplicó el instrumento a estudiantes de primer y segundo semestre de programas de educación superior, lo que permitió obtener información empírica para la validación de constructo mediante análisis factorial exploratorio (AFE) y confirmatorio (AFC), con resultados que demostraron adecuados índices de ajuste y consistencia interna. En la tercera fase, se integraron datos sintéticos derivados de métricas EEG simuladas con el dispositivo Emotiv Insight, procesados mediante algoritmos de inteligencia artificial, lo que posibilitó contrastar los resultados psicométricos con indicadores neurofisiológicos simulados y evidenciar la convergencia entre ambas fuentes de información. En la cuarta fase, se realizaron análisis bivariados que mostraron asociaciones estadísticamente significativas entre los niveles de ansiedad matemática y variables sociodemográficas como el sexo y la facultad de pertenencia. Finalmente, en la quinta fase, se formuló un protocolo sistemático de evaluación e intervención que combina las dimensiones psicométricas y neurofisiológicas, orientado a fortalecer los procesos institucionales de acompañamiento estudiantil. Los hallazgos revelan que la ansiedad matemática predomina en niveles moderados dentro de la muestra estudiada, con diferencias significativas por sexo siendo las mujeres más propensas a reportar niveles altos y por facultad con mayor prevalencia en Ciencias Jurídicas y Sociales. Asimismo, la integración de métricas sintéticas y modelado predictivo confirmó la efectividad de la escala sMARSCOL v2 para clasificar a los estudiantes en distintos niveles de ansiedad. En conjunto, la investigación propone un modelo innovador que contribuye tanto al avance de la psicometría como al diseño de políticas educativas basadas en evidencia.Ítem Método basado en inteligencia artificial para la calibración de sensores force sensitive resistor (FSR) orientado a la determinación de presiones plantares estáticas en la pisada(Ediciones Universidad Simón Bolívar, 2025) Álvarez Gutiérrez, Edwin Leonel; Moreno Trillos, Silvia Carolina; Paredes Madrid, Leonel JoséLa investigación desarrolla una solución tecnológica innovadora para mejorar la precisión de los sensores piezorresistivos tipo FSR Force Sensitive Resistor en aplicaciones orientadas a la medición de presión plantar estática. Estos dispositivos, ampliamente utilizados por su bajo costo, asequibilidad, portabilidad y flexibilidad han sobresalido en los últimos años en comparación con tecnologías piezocapacitivas o piezoeléctricas. No obstante, presentan limitaciones significativas derivadas de fenómenos como la histéresis, el creep o deriva temporal, la no linealidad y la baja reproducibilidad, los cuales afectan de forma directa la exactitud y consistencia de las mediciones. Bajo el marco del paradigma positivista y mediante una metodología aplicada-experimental con enfoque cuantitativo, se diseñó un sistema híbrido que combina técnicas de medición multivoltaje y multisensor con modelos avanzados de inteligencia artificial, entre ellos redes neuronales artificiales (ANN), redes de memoria a largo y corto plazo (LSTM) y redes GRU. Estos modelos fueron integrados con métodos matemáticos clásicos para compensar los errores característicos de los sensores FSR. La validación del sistema se llevó a cabo en condiciones controladas, evaluando un total de 48 sensores pertenecientes a tres marcas comerciales: FlexiForce®, Interlink® y Peratech®. Para la experimentación se utilizó un sistema mecatrónico de ensayos mecánicos que permitió aplicar variaciones de carga y voltaje, reproduciendo así diferentes escenarios de operación conforme a la aplicación definida. Los datos adquiridos fueron procesados para desarrollar y entrenar los algoritmos de compensación de errores, abordando específicamente los efectos asociados al comportamiento viscoelástico del material conductor de este tipo de sensores. Los resultados evidenciaron que el sistema propuesto supera a los métodos tradicionales en precisión. Para la compensación de la histéresis, el modelo ANN mostró el mejor rendimiento, reduciendo el error desde valores iniciales entre el 6 % y el 9 % hasta menos del 1.5 % en algunos casos, con errores medios inferiores al 2.5 % en sensores FlexiForce® y Peratech®. Esto supone una mejora notable respecto a lo reportado por fabricantes y estudios previos. En el caso del creep, el modelo LSTM fue el más efectivo, alcanzando un error cuadrático medio (RMSE) de 0.0032 y un error porcentual medio de apenas 0.49 %. Su capacidad para modelar secuencias temporales lo convirtió en la opción más precisa para este tipo de error, ya que el creep se manifiesta como una variación lenta y dependiente del tiempo bajo carga constante. El modelo GRU, aunque con menor complejidad y exigencia computacional que LSTM, presentó un desempeño competitivo. Obtuvo un coeficiente de determinación R² de 0.9953 y errores medios en el rango del 3 % al 4 %. Esto lo posiciona como una alternativa viable para implementaciones en sistemas embebidos de bajo consumo energético, donde los recursos de hardware son limitados. El análisis comparativo entre las diferentes tecnologías de sensores reveló comportamientos distintivos. FlexiForce® presentó una respuesta más estable y repetible en las mediciones, lo que facilitó la corrección de errores y la obtención de resultados consistentes. Interlink® mostró mayor susceptibilidad a la histéresis, pero esta fue significativamente mitigada mediante el uso de ANN. Peratech®, por su parte, ofreció una respuesta inicial favorable, la cual fue optimizada utilizando modelos multivoltaje que mejoraron su linealidad y precisión. En todos los casos evaluados, los modelos basados en inteligencia artificial superaron las técnicas convencionales para compensar errores estáticos de los sensores FSR bajo condiciones de operación variables. Esta mejora se tradujo en una estimación de fuerza más fiable y robusta, lo que representa un avance importante en aplicaciones como la medición de presiones plantares, donde la exactitud es crítica para la interpretación clínica y biomecánica. La investigación concluye proponiendo como línea futura el desarrollo de una implementación embebida de los algoritmos desarrollados, con el fin de evaluar su desempeño en condiciones reales de uso. Esto permitiría validar la viabilidad práctica del sistema y su potencial integración en dispositivos portátiles o de monitoreo continuo, beneficiando tanto la investigación biomédica como la instrumentación de bajo costo para el diagnóstico y seguimiento de la salud plantar