Early detection of diabetes is essential to prevent serious complications in patients. The purpose of this work is to detect and classify type 2 diabetes in patients using machine learning (ML) models, and to select the most optimal model to predict the risk of diabetes. In this paper, five ML models, including K-nearest neighbor (K-NN), Bernoulli Naïve Bayes (BNB), decision tree (DT), logistic regression (LR), and support vector machine (SVM), are investigated to predict diabetic patients. A Kaggle-hosted Pima Indian dataset containing 768 patients with and without diabetes was used, including variables such as number of pregnancies the patient has had, blood glucose concentration, diastolic blood pressure, skinfold thickness, body insulin levels, body mass index (BMI), genetic background, diabetes in the family tree, age, and outcome (with/without diabetes). The results show that the K-NN and BNB models outperform the other models. The K-NN model obtained the best accuracy in detecting diabetes, with 79.6% accuracy, while the BNB model obtained 77.2% accuracy in detecting diabetes. Finally, it can be stated that the use of ML models for the early detection of diabetes is very promising.

The COVID-19 pandemic has brought about significant changes in people’s lifestyles, with the educational sector being one of the most reliant on technology to facilitate the teaching and learning process. In this literature review, a search for articles related to the metaverse in education, published in 2022 and 2023, has been conducted across six databases: Scopus, EBSCO Host, ScienceDirect, Taylor & Francis Online, IEEE Xplore, and Springer. The PRISMA methodology was used to analyze and systematize the manuscripts found. The aim of this research was to examine how integrating the metaverse into education can enhance educational accessibility and equity by enabling students to utilize virtual learning resources and opportunities. In addition, they can engage in interactions with others to learn and create interactive content during the teaching and learning process. This requires a commitment from the student because a connection between the student and the machine will be established through the use of emerging technologies. These technologies offer unique opportunities to enhance teaching quality, broaden access to education, and prepare individuals for an increasingly digital and evolving world. The analysis identified 14 emerging technologies: artificial intelligence, cloud computing, big data, Internet of Things, blockchain, augmented reality, extended reality, virtual reality, 5G, EON-XR, digital twins, 3D virtual reality, and immersive virtual reality. These technologies offer immersion (simulation of a real world in a virtual world), interactivity (interaction with different people), improvement of the educational environment (innovative presentation of content), and motivation for learning (capturing attention). When it comes to the different types of learning, there are six categories: experiential (based on experience), collaborative (involving a guide to lead the process), cooperative (involving teamwork), significant (building on existing knowledge), explicit (self-directed learning), and emotional (involving the regulation of emotions).

La gamificación mediante el uso de videojuegos aún no se aplica por completo en el sistema de educación peruana, debido a factores como: inversión económica, probable provocación de ludopatías; o por el desconocimiento de su aplicación. En este caso, se propuso incluir videojuegos como gamificadores básicos de proyectos educativos para desarrollar el pensamiento matemático en estudiantes de contextos vulnerables. El enfoque del trabajo fue cuantitativo, de diseño experimental a nivel explicativo. La muestra fue de 79 estudiantes de tercer y cuarto grado de primaria de tres escuelas de los distritos de Comas y Ventanilla en Lima, Perú (M = 7,8 años; D.E. = 1,44), estos fueron seleccionados de tres contextos determinados por la zonificación en sus respectivos distritos: a) asentamiento humano, b) asociación de vivienda y c) urbanización. Se utilizaron los instrumentos Evaluación diagnóstica enactiva, icónica y simbólica y Prueba de precálculo. Los resultados indicaron diferencias entre las mediciones pretest y postest de la dimensión cálculo y operaciones de estudiantes del asentamiento humano (sig. = 000; p <.001), también se obtuvieron diferencias en sujetos del contexto asociación de vivienda y urbanización. En cuanto a la dimensión razonamiento matemático, los datos reportaron diferencias en estudiantes del contexto asentamiento humano y asociación de vivienda; sin embargo, no se encontraron diferencias en el grupo de estudiantes de la urbanización (sig. = ,325; p >.005). Finalmente, el estudio contribuyó en la comprensión de la gamificación de proyectos educativos como acompañante de la pedagogía o didáctica de las matemáticas en distintos contextos de vulnerabilidad.

Resumen El objetivo de la presente investigación es analizar y recopilar la información de los estudios teóricos y empíricos sobre la aplicación de las TICs en el sector educativo en los últimos 5 años. En esta revisión sistemática, se consideraron 61 artículos, de los cuales solo 30 se encuentran alineados con el objetivo planteado. Asimismo, se hace mención que existen más de 10 bases de datos con acceso a este tema; sin embargo, cierto número de ellas presentan algunas limitaciones, en cuanto a su enfoque y aplicación. No obstante, se hizo uso solamente algunas de ellas, las cuales fueron Proquest Central, Scielo, Redalyc, Dialnet y Ebsco (Fuente Académica Premier, Education Source, Complementary Index, OpenAIRE y Open Access Journals). En los resultados se estableció que la aplicación de TICs en el sector educativo es un enfoque prometedor, porque tanto los estudiantes como la plana docente que utilizan estos instrumentos tecnológicos tienen una cierta ventaja sobre aquellos que no. Se concluye que las TICs han revolucionado al ámbito de la educación de manera favorable, cambiando por completo la metodología de enseñanza tradicional; debido a esto, hoy en día existen escenarios en los cuales la plana docente y el alumnado trabajan haciendo uso de estos medios, creando así competencias tecnológicas.

Globally, chronic hepatitis C virus (HCV) infection affects millions of people and leads to a high number of deaths annually. In 2019, the World Health Organization (WHO) recorded around 290,000 deaths related to HCV, a virus transmitted mainly through blood that causes liver damage. The virus has infected more than 169 million people worldwide. This study aims to compare the performance of machine learning (ML) models for HCV detection. ML models such as logistic regression (LR), random forest (RF), decision tree (DT), and catBoost classifier (CATBC) were used. To carry out this task, a dataset of 615 patient records, and 14 variables were used. This research process was carried out in multiple phases, encompassing model understanding, data analysis and cleaning, ML model training, and subsequent model evaluation. The results revealed that the gradient boosting (GB) model stood out by achieving the best performance and highest accuracy, achieving a rate of 94% in HCV detection, this demonstrates outstanding performance compared to the other models such as LR, RF, k-nearest neighbor (KNN), DT, and CATBC, which obtained accuracy rates of 89%, 93%, 85%, 93%, 93%, and 92%, respectively. It can be concluded that the GB model stands out as the best algorithm for this task.