Octavio Zorrilla Briones

Octavio Zorrilla Briones

Auto-generated profile, based on publicly available information

Octavio Zorrilla Briones

Universidad Técnica de Manabí. Portoviejo, Ecuador

Research Focus & Metrics

Academic Career Length

3Years (2024-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
24 April 2025 in Universidad Ciencia y Tecnología
Verified
Journal Article
Open access
PDF file
ACAna Ides Chacon
Ana Ides Chacon
VMVictor Marquez
Victor Marquez
FCFrancisco Cedeno
Francisco Cedeno
JBJandre Bazurto
Jandre Bazurto
OZOctavio Zorilla
Octavio Zorilla
JCJennifer Cedeno
Jennifer Cedeno
This study examines academic stress as a predictor of university student performance through exploratory factor analysis. Quantitative data revealed three primary stress dimensions: (1) academic overload and social climate, encompassing workload intensity, perceived performance, negative interactions, and participation challenges; (2) teaching methodology and content relevance, reflecting instructional inadequacies and perceived curriculum value; and (3) evaluation anxiety, related to examinations and public presentations. The analysis determined that teaching-related elements significantly predict stress among students with specific sociodemographic profiles. These findings establish academic stress as a multidimensional construct with meaningful implications for educational outcomes in higher education, highlighting the need for targeted institutional interventions addressing these distinct stress factors.

10 October 2024 in Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS
Verified
Journal Article
Open access
PDF file
AVAiram Yessenia Cornejo Vega
Airam Yessenia Cornejo Vega
JMJasson Luis Zambrano Montesdeoca
Jasson Luis Zambrano Montesdeoca
OBOctavio Zorrilla Briones
Octavio Zorrilla Briones
La pobreza tiene múltiples definiciones y, por tanto, algunas divergencias relacionadas con su medición. El estudio examina los determinantes de la pobreza en Ecuador, un fenómeno multidimensional que incluye la falta de recursos y la exclusión social. Utilizando un enfoque descriptivo y correlacional, se aplica un modelo de regresión logística binaria para analizar el riesgo de pobreza en función del tipo de vivienda y acceso a servicios básicos en zonas urbanas y rurales. Los datos provienen de la Encuesta Nacional de Empleo, Desempleo y Subempleo del INEC, y se procesaron con los softwares SPSS y Minitab para el análisis de los resultados. Los resultados muestran marcadas diferencias entre áreas rurales y urbanas en términos de acceso a infraestructura y servicios básicos. En áreas rurales, un menor porcentaje de hogares cuenta con acceso a agua potable, saneamiento y electricidad en comparación con zonas urbanas, lo que refleja desigualdad en la calidad de vida. Las viviendas rurales suelen ser menos estables y carecer de materiales duraderos, lo que incrementa el riesgo de pobreza, además, factores como el uso de leña para cocinar y la eliminación de basura mediante quema son comunes en el sector rural. La investigación concluye que la pobreza en Ecuador está fuertemente influenciada por factores estructurales y económicos, como la dependencia de sectores primarios y la falta de diversificación productiva. Se recomienda implementar políticas públicas integrales que promuevan el acceso equitativo a servicios básicos y mejoren las condiciones de vida en áreas rurales, con el objetivo de reducir las brechas entre sectores urbano y rural y combatir la pobreza a nivel nacional.

4 April 2024 in Ciencia Latina Revista Científica Multidisciplinar
Verified
Journal Article
Open access
PDF file
EMEMANUEL GUILLERMO MUÑOZ
EMANUEL GUILLERMO MUÑOZ
Douglas Andrés Andres Verduga AlcívarDouglas Andrés Andres Verduga Alcívar
Douglas Andrés Andres Verduga Alcívar
GFGuerrero Alcívar Yandri Francinet
Guerrero Alcívar Yandri Francinet
MPMiguel Angel Lapo Palacios
Miguel Angel Lapo Palacios
OBOctavio Zorrilla Briones
Octavio Zorrilla Briones
Este estudio investiga la aplicación de técnicas de Machine Learning (ML), específicamente el algoritmo de clustering K-Means y la reducción de dimensionalidad mediante PCA, para identificar patrones en datos de siniestros de tránsito. Analizando un conjunto de datos que incluye 21,352 registros de siniestros, este trabajo clasifica los accidentes en cuatro clusters distintos, revelando diferencias significativas en las características de los siniestros relacionadas con la ubicación, hora del día, causas y condiciones ambientales. Los resultados destacan la complejidad de los factores que contribuyen a los siniestros de tránsito y subrayan la necesidad de intervenciones personalizadas para mejorar la seguridad vial. Este enfoque permite una comprensión más profunda de los patrones de siniestros, facilitando el desarrollo de políticas y estrategias de prevención más efectivas. Este estudio no solo amplía la literatura existente, ofreciendo una metodología analítica robusta para el análisis de datos de siniestros, sino que también proporciona orientación práctica para la implementación de intervenciones de seguridad vial dirigidas y basadas en evidencia. Recomendamos futuras investigaciones para incluir más variables, comparar diferentes modelos de ML y realizar estudios longitudinales que permitan evaluar la evolución de los patrones de siniestros y la efectividad de las políticas de seguridad vial implementadas.