In the present paper are analyzed the correlations between the meteorological variables such as maximum temperature, minimum temperature, relative humidity, precipitation with the number of infections by SARS-CoV-2. The data set for the meteorological variables was obtained from web site of the National Service of Meteorology and Hydrology of Peru (SENAMHI), while the number of infections by SARS-CoV-2 was obtained from the denominated data positive by COVID 19 reported in web site by the Ministry of Health from Peru. After the preprocessing and the fusion of the data sets, it was obtained a data subset with 365 registers and 6 columns. To detect the correlations between the meteorological variables and the number of infections by SARS-CoV-2, the Spearman’s rank correlation coefficient was computed. The results show significant correlations between the variables minimum temperature and number of infections by SARS-CoV-2 for a rho=-0.45, p-valor=0.00<0.05; relative humidity and number of infections by SARS-CoV-2 for a rho=-0.24, p-valor=0.00<0.05; precipitation and number of infections by SARS-CoV-2 for a rho=-0.24, p-valor=0.00<0.05. According to the results obtained, we concluded that minimum temperatures facilitate the SARS-CoV-2 transmissibility.
25 July 2022 in Revista Amazónica de Ciencias Básicas y Aplicadas
El presente estudio tuvo como propósito identificar la técnica supervisada de minería de datos con mejor desempeño para el análisis del rendimiento académico de estudiantes universitarios. Se optó por el diseño no experimental de corte transversal. El conjunto de datos inicial para los experimentos estuvo conformado por 17771 registros de procesos académicos, tras el preprocesamiento se obtuvo un conjunto de datos final de 17035 registros. La metodología de minería de datos empleada fue Knowledge Discovery in Databases (KDD). Se emplearon las técnicas de regresión logística binaria, Classification and Regression Trees (CART), C4.5, Maquinas de soporte vectorial, K-vecinos más cercanos (k-Nearest Neighbors). Los resultados demuestran que el al algoritmo C5.0 obtiene una exactitud del 93%, AUC del 0.9797 y un tiempo de entrenamiento de 0.87 segundos, resultando ser el más eficiente en relación a los demás algoritmos comparados.
El presente trabajo de investigación busca determinar el grado de relación de aula virtual en el aprendizaje del curso algoritmo de los estudiantes de la escuela profesional de ingeniería de sistemas e informática de la Universidad Nacional Amazónica de Madre de Dios, región de Madre de Dios – 2017, la metodología empleada es de enfoque cuantitativo de tipo cuasi experimental, para calcular la muestra se empleó muestreo no probabilístico, la muestra estuvo conformado por 74 estudiantes de la escuela profesional de ingeniería de sistemas e informática, a quienes se sometió matricular en aula virtual y al finalizar se aplicó una encuesta para determinar validez del contenido de los instrumentos y conocer el efecto de la relación del aula virtual en el aprendizaje del curso de algoritmo. Después del procesamiento de datos se llegó a obtener los resultados, tal como evidencia en las tablas y figuras de los resultados, para el contraste de la prueba de hipótesis se utilizó el estadístico Chi-cuadrado y para las muestras independientes y relación con un nivel de confianza al 95%. Según los resultados el nivel de significancia (p-valor) obtenido fue de 0,000, por lo que se rechazó la hipótesis nula. Se concluye que existe influencia significativa del aula virtual en el aprendizaje de los estudiantes del curso de algoritmo.