El tratamiento fisicoquímico de lavado de suelos (Riojas González, 2010) constituye una de las técnicas más utilizadas para la recuperación de suelos contaminados con hidrocarburos, entre ellos el diésel. Se trata de un procedimiento eficaz que, sin embargo, presenta múltiples áreas de oportunidad para optimizar su aplicación y ampliar su alcance en distintos contextos ambientales. En este estudio se emplearon tres tipos de tensoactivos domésticos en barra, los cuales mostraron porcentajes de remoción alentadores y que abren la posibilidad de continuar con investigaciones más detalladas sobre su desempeño y aplicabilidad. La técnica de lavado utilizada se basó en metodologías previamente reportadas por otros investigadores especializados en el campo de la remediación de suelos. Los resultados obtenidos reflejaron eficiencias de remoción de diésel que oscilaron entre el 86% y el 95%. Entre los surfactantes evaluados, el de uso doméstico en barra tipo Roma presentó la mayor eficiencia de remoción del contaminante, alcanzando porcentajes significativos en soluciones al 8% y al 12%. Por su parte, el surfactante doméstico en barra tipo Daroma (SUDB) mostró eficiencias de remoción de 95.2% y 93.7% en concentraciones del 8% y 12%, respectivamente, lo que evidencia su potencial como agente de limpieza en procesos de biorremediación. En cuanto a la evaluación biológica, se consideró el desarrollo del tallo de frijol negro (Phaseolus vulgaris) como indicador de germinación y crecimiento en suelos tratados. El resultado más destacado fue una altura máxima de 25 cm en el suelo tratado con el surfactante tipo Roma al 8%, lo que sugiere una relación positiva entre la eficiencia de remoción del contaminante y la capacidad de las plantas para desarrollarse en condiciones menos adversas.

Este proyecto aborda la necesidad de integrar eficazmente plataformas digitales para fortalecer la promoción de productos artesanales en Tabasco. El objetivo principal fue diseñar una solución tecnológica que conectara de forma segura y eficiente la aplicación móvil y la plataforma web existente del IFAT, mediante APIs RESTful que permiten el intercambio de información en tiempo real. La metodología contempló el uso de arquitecturas escalables, microservicios y protocolos de autenticación para garantizar la seguridad y flexibilidad del sistema. Como resultado, se logró una infraestructura que permite la comunicación eficiente entre la aplicación móvil y la aplicación web. Se concluye que la interoperabilidad tecnológica puede ser una aliada clave para el desarrollo cultural y comercial en entornos digitales.

Los sistemas de información se desarrollan para distintos fines, dependiendo de las necesidades de los usuarios humanos y la empresa. Los sistemas de información administrativa producen información que se utiliza en el proceso de toma de decisiones[1]. El desarrollo de un sistema de información administrativa en ambiente web para los procesos de negocio de una empresa o institución es actualmente indispensable y para el Instituto para el Fomento de las Artesanías de Tabasco (IFAT) no es diferente. El objetivo fue crear un sistema para analizar la información sobre los procesos de compra y venta de productos artesanales creadas por artesanos tabasqueños. Para lograr esto, se realizaron diversas entrevistas para identificar las necesidades directamente del personal involucrado. Después de identificar las necesidades, se obtuvieron los requerimientos mediante la aplicación de metodologías y técnicas de análisis y diseño. Posteriormente se desarrollaron los módulos necesarios, se realizaron pruebas y se desplegó el sistema. El resultado final fue una herramienta funcional que cumplió con los requerimientos de la dependencia. Para el desarrollo del sistema se optó por un framework de desarrollo web. Se determinó emplear el marco de trabajo Yii[2] en su versión 2.0, que tiene como base el lenguaje de programación del lado de servidor PHP [3], cuya versión utilizada es la 8.0, para el diseño de interfaz de usuario se utilizó el marco de trabajo Bootstrap[4] en su versión 5.3 el cual permite que las interfaces sean accesibles desde cualquier dispositivo con conexión a internet. La base de datos es relacional[5] y el sistema de gestión de base de datos es MariaDB[6].

Microplastics are increasingly recognized as contaminants that may affect seed germination and early seedling establishment, yet the ecological significance of these responses under natural soil conditions remains uncertain. Evidence from controlled studies includes reduced germination, altered germination timing and synchrony, and impaired early root development, but responses vary with particle properties, exposure intensity, growth medium, plant species, and exposure duration. Here, we examine how experimental simplification can influence the detection and interpretation of microplastic effects during the earliest stages of plant establishment. We propose “experimental inflation” as a hypothesis-generating framework referring specifically to increased response detectability and apparent consistency that may arise when exposure probability is increased and environmental variability is reduced; it does not imply larger biological effects or greater ecological risk. We distinguish this concept from ecological realism, exposure realism, external validity, signal-to-noise ratio, and statistical power, and we discuss how concentration, substrate heterogeneity, exposure duration, and biological complexity operate through different pathways. We further synthesize representative quantitative evidence and outline a tiered experimental framework in which polymer characteristics, exposure metrics, soil properties, plant species, germination endpoints, and statistical approaches are harmonized across laboratory, realistic soil, mesocosm, and field studies. This framework is intended to generate testable hypotheses rather than establish a universal direction or magnitude of microplastic effects.

This systematic review analyzes 52 studies (2018–2026) on integrated IoT and Machine Learning systems for water quality prediction in aquaculture. Results show that Random Forest achieves accuracy above 94 % in survival classification, while hybrid Deep Learning models such as CNN-SA-BiSRU reach R² = 0.9765 for dissolved oxygen prediction. The most monitored parameters are pH (98.2 %), temperature (92.9 %), and dissolved oxygen (62.5 %). Critical gaps are identified: scarcity of species-specific datasets for larvae and fry, predominance of single target models, and limited validation under real production conditions. The review concludes that IoT-ML integration has demonstrated technical feasibility, but further applied research is required for effective adoption in commercial aquaculture farms, particularly in resource constrained rural settings where most small-scale fish farming occurs.