Landslide databases are a potential tool for the analysis of landslide susceptibility, hazard, and risk. Additionally, the spatio-temporal distribution of landslides and their correlation with their triggering factors are inputs that facilitate the evaluation of landslide prediction models and the determination of thresholds necessary for early warning systems (EWS). This study presents an analysis of four widely known global databases—the International Disaster database (EM-DAT), the Disaster Inventory System (DesInventar), the Global Landslide Catalog (GLC), and the Global Fatal Landslide database (GFLD)—which contain relevant landslide information for different regions of the world. These databases were analysed and compared by means of the spatio-temporal distributions of their records. Subsequently, these databases were merged and depurated to obtain a more robust database, namely the Unified Global Landslide Database (UGLD), with 161 countries, 37,946 landslides, and 185,753 fatalities registered between 1903 and 2020. The merging process among the databases resulted in a small number of repeated landslides, indicating that the databases collect very different landslide information and complement each other. Finally, an update of the spatial and temporal analysis of landslides in the world was performed with the new database, in which patterns, trends, and the main triggers were presented and analysed. The results obtained from the analysis of the UGLD database show the American and Asian continents as the continents with the highest number of landslides and associated fatalities, showing a bimodal and unimodal annual temporal pattern, respectively. Regarding the most frequent triggers of landslides, rainfall, anthropogenic intervention, and earthquakes stand out.

Torrential flows, a broad category of rapid hydrogeomorphic processes that in the Colombian Andes includes debris flows, mudflows, and hyperconcentrated flows, pose a major hazard in tropical mountain regions. This study used two complementary binary classification models to examine geomorphometric conditioning and antecedent rainfall triggering of torrential flow occurrence. A 12.5 m ALOS PALSAR DEM and 42 years of daily rainfall data (1981–2023) from IDEAM rain gauges and CHIRPS v2 were analyzed in a GIS-based regional framework. Antecedent rainfall variables were aggregated at watershed scale using zonal statistics. The conditioning dataset comprised 642 watersheds (321 with documented events and 321 controls). Gradient boosting ranked first in the preliminary grouped holdout comparison, whereas the uncalibrated random forest achieved the highest mean score under spatial leave-one-province-out validation and was selected as the final conditioning model (mean ROC-AUC = 0.747 ± 0.052). Basin scale and relief were the leading morphometric associations. In the rainfall trigger model, previous day IDEAM mean rainfall and previous day IDEAM maximum rainfall were the two leading permutation importance predictors, followed by monthly CHIRPS rainfall; the 90-day IDEAM maximum accumulation ranked fourth. This ordering indicates that immediate rainfall dominated the fitted model, while longer antecedent wetness retained a secondary contribution. The results support watershed prioritization and regional hazard assessment; because operational rainfall thresholds were not derived, they should not be treated as a ready-to-use early-warning model.

La Facultad de Ingeniería de la Universidad de Antioquia adoptó el proceso de mejora continua basado en los siete resultados de aprendizaje propuestos por ABET con el fin de garantizar la calidad en sus programas académicos. Para esto, instauró un Comité de Autoevaluación y Acreditación quienes por medio de diferentes estrategias han propuesto, socializado y ajustado con los docentes, indicadores de desempeño, rubricas y objetivos educacionales en cada programa académico. Además, con el fin de calibrar la herramienta de recolección de información, así como de ajustar los indicadores de desempeño y mapeos curriculares, se implementó para los primeros ciclos de medición realizarse la recolección del assessment y la evaluación de los resultados de aprendizaje de manera semestral. Asimismo, la Facultad ha determinado estrategias para atender los requerimientos de cada criterio de la metodología ABET. Por ejemplo, dentro del criterio de estudiantes, una de las estrategias implementadas ha sido ofrecer a los estudiantes, mentores académicos que acompañen su proceso desde el ingreso hasta la culminación de su plan de estudios, haciendo uso de un aplicativo de la Universidad para facilitar a los mentores el almacenamiento de dicha información y garantizar un seguimiento efectivo a cada estudiante. De la misma manera, la Decanatura está proponiendo estrategias para atender los criterios de Currículo, Facultad, Instalaciones y Soporte Institucional. Conforme a lo anterior, actualmente, todos los programas de la Facultad (12 programas) se encuentran culminando el primer ciclo de calibración de la herramienta de medición, a partir de la evaluación de los indicadores de desempeño en tres cursos por cada resultado de aprendizaje, siendo dos de ellos de carácter formativo y uno sumativo. También, se propuso un formato único de recolección de información para la Facultad de Ingeniería; y con el fin de dar inicio con la fase de retroalimentación y propuesta de acciones de mejora, completando así el ciclo de mejora continua, se diseñó un formato de evaluación del assessment, los cuáles a su vez se encuentran en periodo de calibración y ajuste. Finalmente, adicional a las estrategias y acciones mencionadas anteriormente, ha sido importante el uso de encuestas y socialización con los estudiantes y la realización de talleres con docentes. Así como el acercamiento con egresados y socializaciones con empleadores que permitan la retroalimentación en los diferentes procesos de la metodología de mejora continua adoptada, especialmente la relacionada con el criterio de Objetivos Educacionales de los programas académicos.