18 August 2021 in PLOS ONE
Monitoring variables such as dissolved oxygen, pH, and pond temperature is a key aspect of high-quality fish farming. Machine learning (ML) techniques have been proposed to model the dynamics of such variables to improve the fish farmer’s decision-making. Most of the research on ML in aquaculture has focused on scenarios where devices for real-time data acquisition, storage, and remote monitoring are available, making it easy to develop accurate ML techniques. However, fish farmers do not necessarily have access to such devices. Many of them prefer to use equipment to manually measure these variables limiting the amount of available data to process. In this work, we study the use of random forests, multivariate linear regression, and artificial neural networks in scenarios with limited amount of measurements to analyze data from water-quality variables that are commonly measured in fish farming. We propose a methodology to build models in two scenarios: i) estimation of unobserved variables based on the observed ones, and ii) forecasting when a low amount of data is available for training. We show that random forests can be used to forecast dissolved oxygen, pond temperature, pH, ammonia, and ammonium when the water pond variables are measured only twice per day. Moreover, we showed that these prediction models can be implemented on a mobile-based information system and run in an average smartphone that fish farmers can afford.
1 February 2024 in Revista Científica
El objetivo de este estudio fue generar modelos predictivos del logro académico en clases espejo en diferentes niveles utilizando el perfil sociodemográfico y pedagógico de 103 estudiantes y algoritmos de minería de datos. Se siguió un enfoque cuantitativo a partir del modelo CRISP-DM (cross-industry standard process for data mining), abordando fases como la definición de problema; la adquisición, la comprensión y el análisis de los datos; la extracción de características; el modelado; la evaluación del modelo; y el despliegue. Los resultados muestran que el mejor modelo corresponde al algoritmo support vector classifier (SVC), con una precisión del 62 %, una mayor robustez a los cambios y un 0.89 de precisión a la hora de clasificar el logro, lo que representa una reducción de 0.30 con respecto al modelo de regresión logística multinomial (RLOG) y el algoritmo linear discriminant analysis (LDA). La métrica F1 score presenta un balance de 0.64. Se identificaron atributos predictores importantes para determinar el logro académico respecto a la variable demográfica, como la edad, el género, el semestre y si el estudiante vive con sus padres. Asimismo, en la variable pedagógica se destacaron aspectos como los estímulos a la participación, la puntualidad, el trabajo colaborativo, la claridad de las actividades y su retroalimentación, la facilidad de expresión del docente, los recursos para apoyar el aprendizaje y los medios tecnológicos de comunicación. Este estudio propone herramientas informáticas para que las universidades diseñen estrategias de mejora y prevención respecto al desempeño académico, con base en la implementación de la estrategia de internacionalización denominada clase espejo en estudiantes de ingeniería de sistemas de una universidad privada del Huila (Colombia).
1 June 2026 in EDULEARN Proceedings
LMLaura Lorena Velasquez Mendieta
Laura Lorena Velasquez Mendieta
JGJesus David Candelo Gonzalez
Jesus David Candelo Gonzalez
29 July 2024 in REVISTA ACADÉMICA DE CREATIVIDAD E INNOVACIÓN EN EDUCACIÓN
Los adultos mayores desempeñan un papel esencial en la sociedad, ya que su vasta experiencia los convierte en fuentes valiosas de sabiduría para las generaciones más jóvenes. Sin embargo, esta etapa de la vida a menudo se percibe como solitaria y marginada, especialmente en la era digital, donde pueden carecer de conocimientos tecnológicos. El estudio se centró en evaluar el uso efectivo del correo electrónico en setenta adultos mayores después de recibir capacitación en la Agencia Cultural del Banco de la República de Neiva, Colombia, llamada "Uso efectivo del correo electrónico". El objetivo era determinar la eficacia de la capacitación y las variables relevantes para futuras sesiones. Se recopilaron datos mediante un cuestionario cuantitativo con diez preguntas de opción única, evaluadas en una escala del 1 al 10. Un análisis de prueba t pareada comparó las puntuaciones finales del pretest y el post test, revelando un avance significativo de 1.604 en promedio. Además, se evaluaron algoritmos de machine learning como el algoritmo K vecinos cercanos logrando una eficiencia perfecta de 1.0 en la predicción de puntuaciones finales, seguido de la regresión lineal con 0.67 y la máquina de regresión vectorial con 0.60. Estos resultados destacan la pertinencia de la metodología y las variables consideradas al evaluar la apropiación tecnológica de los adultos mayores.