https://repository.unad.edu.co/handle/10596/62734 2026-07-02T09:57:07Z https://repository.unad.edu.co/handle/10596/82548 Optimización de la gestión de datos en procesos de acreditación institucional, estrategias basadas en tecnologías de la información El objetivo de esta monografía es examinar la gestión de información en los procedimientos de acreditación institucional en las Instituciones de Educación Superior (IES), con el fin de sugerir estrategias para mejorar basadas en el empleo de tecnologías informáticas. Se emplearon cuestionarios, grupos focales y entrevistas semiestructuradas con un enfoque metodológico mixto para obtener datos desde distintos puntos de vista en el marco institucional. En este sentido, este análisis tiene como objetivo, en primer lugar, diagnosticar la gestión de datos actual, reconociendo los retos que las IES afrontan para cumplir con los requerimientos de acreditación y sus puntos fuertes. En segundo término, se examina el rol que desempeñan las herramientas tecnológicas empleadas en la administración de datos, valorando su efecto sobre la eficiencia del proceso. Finalmente, se identifican buenas prácticas que permiten optimizar la administración de la información y asegurar un mayor alineamiento con los estándares de calidad exigidos. Estado del Arte Monografía 2026-06-24T00:00:00Z https://repository.unad.edu.co/handle/10596/82439 Desarrollo de un modelo predictivo para la identificación de factores que influyen en las competencias digitales de estudiantes mediante analítica de datos en el programa de ingeniería de sistemas de la unipacífico (2015-2025) El presente estudio desarrolla un modelo de analítica de datos para predecir el nivel de competencias digitales de estudiantes del programa de Ingeniería de Sistemas de la Universidad del Pacífico (2015-2025), a partir de variables sociodemográficas, académicas y de uso de tecnologías activas. Se emplea la metodología CRISP-DM con un dataset de 538 registros, recolectados mediante registros administrativos institucionales y la aplicación del Cuestionario de Autopercepción de Competencias Tecnológicas (CACT) durante el segundo semestre de 2025. Se entrenan y evalúan cinco algoritmos de aprendizaje automático supervisado —regresión lineal múltiple, regresión regularizada (Ridge/Lasso), Random Forest y Gradient Boosting— con validación cruzada de 5 folds y métricas de desempeño (R², RMSE, MAE). Las dimensiones evaluadas se alinean con el marco DigComp 2.2: información y datos, comunicación y colaboración, creación de contenido digital, seguridad y resolución de problemas tecnológicos. El modelo seleccionado proporciona a las instituciones de educación superior una herramienta analítica para la toma de decisiones basada en datos, orientada a mejorar la calidad educativa y reducir brechas en competencias digitales mediante intervenciones dirigidas a segmentos estudiantiles de mayor riesgo. NO APLICA 2026-06-09T00:00:00Z https://repository.unad.edu.co/handle/10596/82407 Principios metodológicos para la aplicación de modelos predictivos en historiales clínicos electrónicos orientados al estudio de la diabetes hereditaria En el presente proyecto investigativo se busca analizar la posibilidad de implementar las funciones de análisis de datos en una herramienta innovadora empleada en el área de la salud, el historial clínico electrónico, con el fin de analizar el comportamiento de la diabetes mediante modelos predictivos y observar la veracidad de los resultados a partir de evaluaciones posteriores a su ejecución. Esto se desarrollará mediante un enfoque teórico y metodológico, dando conceptos y bases necesarias para llegar a ser implementadas a futuro. Se ha observado que los historiales clínicos usualmente son utilizados para la gestión de la información médica, pero también pueden ser implementados para un análisis estadístico en la predicción de enfermedades hereditarias, al tener los antecedentes familiares, podrían saber la tasa de probabilidad de obtenerla (Borges, 2021). La enfermedad hereditaria del tipo crónico en la cual nos centramos es en la diabetes, esta representa una de las condiciones más relevantes, debido a su carácter progresivo y hereditario (Gonzales et al., 2023). Como resultado, el trabajo aporta un análisis metodológico que contribuye como bases conceptuales para futuras investigaciones orientadas a la detección temprana y el seguimiento analítico de enfermedades hereditarias. Lista de Tablas Tabla 1 . Matriz de análisis sistemático de antecedentes y aportes a la investigación Tabla 2. Predicción de prevalencia para 2024 mediante regresión lineal. Tabla 3. Métricas de desempeño del modelo clasificador Tabla 4. Comparación de predicciones para 2024 mediante modelos supervisados. Tabla 5. Métricas de desempeño de los modelos supervisados. Lista de Figuras Figura 1. Diagrama de flujo metodológico Figura 2. Framework SALSA Figura 3. Diagrama de flujo del proceso de análisis predictivo y entrenamiento de modelos en HCE. Figura 4. Evolución temporal de la prevalencia por municipio. Figura 5. Mapa de calor de correlación temporal Figura 6. Distribución simulada por intervalos etarios. Figura 7.Representacion del modelo de regresión línea sobre la prevalencia de diabetes 2022. 2024-12-02T00:00:00Z https://repository.unad.edu.co/handle/10596/82370 Diferenciación de categorías de causas de defunción no fetal mediante aprendizaje automático e interpretación con SHAP a partir de microdatos de defunción no fetal complementados con información contextual municipal en Santander (2015–2019) El presente estudio analiza el potencial de los registros de defunciones no fetales y de las variables sociodemográficas del Departamento Administrativo Nacional de Estadística (DANE) para modelar e interpretar patrones asociados a distintos grupos de causas de muerte en el departamento de Santander. Se clasificaron las defunciones en tres categorías: sistema circulatorio, neoplasias y externas, integrando información individual y contextual a nivel municipal. El enfoque es analítico e interpretativo, no orientado al despliegue operativo de los modelos. Para el análisis se implementaron algoritmos supervisados basados en árboles (XGBoost y CatBoost), comparados con un modelo lineal multinomial de referencia. El desempeño se evaluó mediante métricas como accuracy, precisión, recall y F1-score, incorporando validación cruzada estratificada para examinar la estabilidad de los resultados. Posteriormente, se aplicó el método SHAP para identificar la contribución relativa de las variables en la clasificación, permitiendo identificar patrones y perfiles asociados a las categorías analizadas, así como las dificultades de diferenciación existentes entre algunas de ellas. Los hallazgos evidencian que los datos abiertos del DANE permiten construir aproximaciones estructurales útiles para el análisis territorial de la mortalidad y para apoyar la toma de decisiones en salud pública Los anexos presentan la descripción de los códigos empleados en las variables analizadas, incluyendo la codificación de variables categóricas transformadas a dicotómicas, grupos etarios y niveles educativos, con el fin de facilitar la interpretación de la información utilizada en el estudio 2026-06-11T00:00:00Z