https://repository.unad.edu.co/handle/10596/62732 2026-06-09T22:34:52Z https://repository.unad.edu.co/handle/10596/81945 Title: Desarrollo de un sistema predictivo para la modelación de la presencia de aves en áreas afectadas por minería e hidrocarburos en Colombia bajo escenarios de cambio climático Abstract: El presente documento responde a un desarrollo de proyecto aplicado, donde se presenta un sistema predictivo basado en modelos de distribución de especies para anticipar la presencia de especies de aves en zonas donde ha desarrollado actividades por minería e hidrocarburos o donde existe la probabilidad de realización, considerando escenarios de cambio climático. Se llevará a cabo a través de un enfoque cuantitativo, se integrarán datos de presencia de aves, variables ambientales y climáticas, utilizando técnicas de aprendizaje de forma complementario para obtener el modelo más robusto posible, entre las cuales se encuentran técnicas como MaxEnt, Random Forest y Redes Neuronales. La metodología incluye la recolección de fuentes oficiales y páginas web de confianza en su determinación taxonómica, el procesamiento y la generación de modelos predictivos validados por medio de métricas robustas. Este proyecto busca generar una herramienta que facilite la decisión de proyectos objeto de licenciamiento ambiental, por medio de bioindicadores como lo son aves, para prever daños en los ecosistemas irreversibles para la distribución de especies de este grupo taxonómico. 2025-07-22T00:00:00Z https://repository.unad.edu.co/handle/10596/81769 Title: Aplicabilidad del análisis de datos en jóvenes conectados a las TICS, pero desconectados del conocimiento Abstract: Durante el año 2022 Open IA “salto a la fama” o incremento su reconocimiento con la Inteligencia Artificial Chat GPT, desde entonces a nivel mundial, quienes ejercen el papel de estudiantes utilizan esta herramienta para cumplir actividades académicas, además, profesionalmente al día de hoy esta siendo muy utilizada, ya que es más fácil y practico realizar una pregunta a los agentes IA, que buscar en foros de internet tales como Wikipedia, Stack Overflow, Yahoo, e incluso en la documentación de bibliotecas académicas o en artificulos. Para este proyecto aplicado, el objetivo fue analizar el impacto de la Inteligencia Artificial y el Internet, en el trabajo académico y el aprendizaje del estudiante mediante la recolección de datos y un dashboard realizado en Power BI. Se realizó un censo a nivel escolar en la Institución Educativa San Mateo, Universidad Don Bosco y Universidad Nacional Abierta y a Distancia, para identificar la usabilidad de las TICS por la juventud que es estudiante, mediante preguntas como por ejemplo su edad, dispositivos tecnológicos usados con mayor frecuencia y el tiempo invertido en dicha actividad, entre otras. A través de un proceso de extracción, transformación y carga, o a nivel de ciencia de datos, mejor conocido como ETL, se diseñó un dashboard que permite realizar un análisis de datos, con el fin de recopilar información que les permita a los docentes de dichas instituciones crear innovadores metodologías de aprendizaje. Mediante 102 estudiantes y 3 instituciones encuestados, se pudo establecer lo siguiente, 85 estudiantes que representan el 83,3% de la muestran utilizan más el celular, además 78 estudiantes invierten la mayoría de su tiempo en redes sociales, con estas dos métricas podemos identificar que la mayoría de estudiantes utilizan los dispositivos móviles a manera de entretenimiento y de hecho, en general, 51 de los estudiantes encuestados utilizan dichas herramientas para entretenimiento y 38 para comunicación. Sin embargo, 94 estudiantes están de acuerdo con que es posible aprender con Inteligencia Artificial y 81 coinciden en que es posible aprender con Tecnología, por lo que teniendo en cuenta esta información, es muy útil innovar en la metodología de aprendizaje para revolucionar como utilizan hoy estas herramientas y apoyarnos éticamente como estudiantes. Palabras clave: Inteligencia Artificial, Internet, Análisis de Datos, Educación y Tecnología. 2026-02-18T00:00:00Z https://repository.unad.edu.co/handle/10596/81250 Title: Análisis comparativo de modelos ARIMA, Random Forest y Gradient Boosting para la predicción de la demanda del sistema interconectado nacional colombiano (2024-2030) Abstract: La planificación del sector eléctrico en Colombia depende en gran medida de la capacidad para estimar la demanda energética con precisión. Este desafío adquiere especial relevancia, en un país donde aproximadamente el 70% de la generación eléctrica proviene de fuentes hidroeléctricas, lo que hace al sistema altamente vulnerable a fenómenos climáticos como El Niño y La Niña (UPME, 2021). En este estudio, se propuso comparar el desempeño de tres modelos predictivos una extensión del modelo ARIMA (SARIMAX), Random Forest y Gradient Boosting, para proyectar la demanda mensual de energía en Colombia hasta el año 2030, utilizando datos reales del sistema interconectado nacional (SIN) sobre demanda de energía, generación de energía y demanda no atendida del periodo 2010-2023 (XM,2024) y el histórico del comportamiento de las precipitaciones en Colombia 2010-2023 (datos abiertos Colombia,2025). El proceso incluyó una fase exploratoria para identificar patrones y tendencias en los datos históricos, seguida de la implementación y ajuste de cada modelo. Se utilizaron técnicas de validación temporal para garantizar la robustez de las proyecciones y el desempeño, se evaluó mediante un conjunto de métricas ampliamente reconocidas como lo son el error absoluto medio (MAE), raíz del error cuadrático medio (RMSE), coeficiente de determinación (R²) y error porcentual absoluto medio (MAPE). Los resultados mostraron que el modelo SARIMAX con orden óptimo (1, 0, 1) x (0, 0, 2, 12), al incorporar formalmente los componentes de estacionalidad y las variables exógenas (generación, precipitación, demanda no atendida), se destacó como el más preciso en la proyección de los datos de prueba. SARIMAX capturó la tendencia creciente y los ciclos estacionales con una precisión excepcional, alcanzando un error porcentual absoluto medio (MAPE) de solo 1.37%. En claro contraste, los modelos random forest y gradient boosting demostraron ser ineficaces para capturar la compleja estructura temporal de la serie, arrojando coeficientes R^2 cercanos a cero o negativos. Estos hallazgos refuerzan la superioridad de los modelos econométricos especializados, como SARIMAX, para la predicción de la demanda energética en Colombia. Las proyecciones indican que la demanda mensual del SIN superará la barrera de los 10,000 GWh hacia finales de 2030, lo que subraya la urgencia de planificar la expansión de la oferta. El trabajo concluye entregando una herramienta validada con un MAPE del 1.37%, superior a las alternativas de Machine Learning. Description: 2025-12-15T00:00:00Z https://repository.unad.edu.co/handle/10596/81248 Title: Inteligencia artificial como apoyo al análisis de redes criminales Abstract: La Fiscalía General de la Nación cuenta con la Sección de Análisis Criminal (SAC), el Centro Estratégico de Análisis Criminal (CEAC) y otros grupos dedicados a realizar análisis criminal a nivel nacional, adscritos al Cuerpo Técnico de Investigación. Estos grupos realizan análisis operativos y/o estratégicos de casos discriminados por delitos o temáticas. Para realizar estos análisis, se deben seguir ciertos pasos que están relacionados con el ciclo de la información: recolección, evaluación, tratamiento, cotejo, análisis y difusión. El analista para cumplir con estos pasos, al momento del tratamiento y del cotejo de la información debe leer los expedientes (digitales o en físico), extraer la información relevante en una matriz (generalmente Excel) en la que se debe incluir la información de las entidades (personas naturales o jurídicas, contratos, contratista, contratante) y el vínculo entre esas entidades y, por último, utilizando un software para análisis (i2 Analyst´s Notebook) procesar la matriz para gráficamente visualizar las relaciones e identificar redes o asociaciones criminales. Estos pasos de tratamiento y cotejo demandan mucho tiempo para el analista, tiempo que se debería usar para el análisis; en algunas ocasiones la extracción de la información y posterior construcción de la matriz puede ser un proceso de hasta seis (6) meses. Otro aspecto, es que el análisis desarrollado por cada analista se utiliza para esclarecer un caso en particular, y en muy pocas ocasiones esos análisis se unen o se relacionan con otros informes de análisis, dentro o fuera de cada grupo. El desarrollo del presente proyecto está enfocado en ayudar a esclarecer delitos contra la corrupción. Con apoyo del sistema, se pretende de manera ágil y eficiente determinar redes de personas naturales y jurídicas, y como se unen con la contratación estatal; sin importar la territorialidad y la escala de tiempo. Teniendo en cuenta que los datos son No estructurados, se emplearán técnicas de Procesamiento de Lenguaje Natural para la extracción de la información y la identificación de entidades (personas, contratos, contratantes, contratistas). 2026-05-22T00:00:00Z