<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:dc="http://purl.org/dc/elements/1.1/" version="2.0">
  <channel>
    <title>DSpace Community:</title>
    <link>https://repository.unad.edu.co/handle/10596/331</link>
    <description />
    <pubDate>Thu, 11 Jun 2026 08:10:00 GMT</pubDate>
    <dc:date>2026-06-11T08:10:00Z</dc:date>
    <item>
      <title>Lineamientos para el fortalecimiento de la ciberseguridad en cuerpos de bomberos de Colombia, aplicando la norma ISO 27002:2022</title>
      <link>https://repository.unad.edu.co/handle/10596/82160</link>
      <description>Title: Lineamientos para el fortalecimiento de la ciberseguridad en cuerpos de bomberos de Colombia, aplicando la norma ISO 27002:2022
Abstract: La presente monografía, tiene como objetivo estructurar lineamientos de ciberseguridad para los Cuerpos de Bomberos de Colombia, alineados con el estándar internacional ISO/IEC 27002:2022. Mediante un estudio de tipo documental-descriptivo con enfoque hermenéutico, se caracterizaron los controles actuales y se contrastaron las brechas de cumplimiento en entidades seleccionadas. Los resultados evidencian una postura reactiva frente a las amenazas modernas y un desfase crítico en el dominio de personas. Como aporte interpretativo, se propone una arquitectura de políticas que fortalece la resiliencia operativa y la protección de activos críticos de información en estos organismos de socorro.</description>
      <pubDate>Tue, 14 Apr 2026 00:00:00 GMT</pubDate>
      <guid isPermaLink="false">https://repository.unad.edu.co/handle/10596/82160</guid>
      <dc:date>2026-04-14T00:00:00Z</dc:date>
    </item>
    <item>
      <title>Modelos de predicción de la demanda eléctrica y detección de picos de consumo mediante series de tiempo y Machine Learning</title>
      <link>https://repository.unad.edu.co/handle/10596/82159</link>
      <description>Title: Modelos de predicción de la demanda eléctrica y detección de picos de consumo mediante series de tiempo y Machine Learning
Abstract: La proyección de la demanda eléctrica es un desafío global que requiere herramientas&#xD;
avanzadas para reducir la incertidumbre generada por la variabilidad climática y otras&#xD;
condiciones socioeconómicas de cada región. Colombia se enfrenta a retos específicos asociados&#xD;
al crecimiento de la población y la alta dependencia de generación hidroeléctrica, lo cual hace&#xD;
indispensable el desarrollo e implementación de metodologías robustas de estimación de la&#xD;
demanda. En consecuencia, se implementó un proceso de evaluación de dos modelos de series de&#xD;
tiempo y Machine Learning para estimar la demanda de energía eléctrica en Colombia en&#xD;
resoluciones diaria y mensual a partir de datos entre enero de 2015 y diciembre de 2025 y&#xD;
generar pronósticos para el horizonte 2026-2029 con base en la metodología CRISP-DM. Se&#xD;
realizó un análisis exploratorio de datos para comprender la dinámica temporal y la asociación&#xD;
estadística de la demanda eléctrica y los aportes hidrológicos, el volumen de los embalses, el&#xD;
Producto Interno Bruto (PIB) y el crecimiento de la población. A pesar de la fuerte relación entre&#xD;
la población y la demanda eléctrica, se realizó el modelado sin esta ni el PIB debido a su&#xD;
resolución temporal (anual y trimestral, respectivamente).&#xD;
En el modelado se realizó la comparación del enfoque univariado (solo demanda) y un&#xD;
enfoque multivariado (demanda, aportes hidrológicos, volumen de embalses). Fueron&#xD;
implementadas dos arquitecturas: 1) modelo híbrido con series de tiempo y Machine Learning y&#xD;
2) modelo aditivo generalizado basado en series de tiempo, Prophet. Las métricas para evaluar el&#xD;
desempeño predictivo fueron la raíz del error cuadrático medio (RMSE), el promedio del error&#xD;
absoluto porcentual (MAPE) y el promedio del error escalado absoluto (MASE). La información&#xD;
fue recopilada de XM, el DANE y la UPME. Tras la búsqueda de los hiperparámetros óptimos&#xD;
para cada configuración, el modelo campeón fue el híbrido univariado mensual. El Pipeline para garantizar la reproducibilidad de los resultados de la investigación fue consignado en 4 scripts de&#xD;
Python. En términos generales se evidenció que el enfoque univariado tuvo mejores resultados&#xD;
en todos los procesos de modelado. Las estimaciones del modelo campeón fueron comparadas&#xD;
con proyecciones oficiales de la UPME y el MAPE fue de 2.4%.</description>
      <pubDate>Sat, 06 Jun 2026 00:00:00 GMT</pubDate>
      <guid isPermaLink="false">https://repository.unad.edu.co/handle/10596/82159</guid>
      <dc:date>2026-06-06T00:00:00Z</dc:date>
    </item>
    <item>
      <title>Desarrollo de un tablero de Business Intelligence en Power BI para la optimización de rutas logísticas</title>
      <link>https://repository.unad.edu.co/handle/10596/82157</link>
      <description>Title: Desarrollo de un tablero de Business Intelligence en Power BI para la optimización de rutas logísticas
Abstract: Este trabajo de grado tiene como propósito el desarrollo de un tablero de Business Intelligence en Power BI orientado al análisis de rutas logísticas, con el fin de apoyar la toma de decisiones en el sector transporte. El estudio parte de una problemática recurrente en muchas empresas del sector, especialmente pequeñas y medianas, relacionada con la planificación ineficiente de rutas, la cual se traduce en mayores costos operativos, retrasos en las entregas y un impacto ambiental innecesario.&#xD;
El proyecto se desarrolla bajo un enfoque aplicado y analítico, apoyado en el marco metodológico CRISP-DM, que permitió organizar de manera estructurada las etapas de comprensión del problema, análisis de la información disponible y diseño del modelo de datos y del tablero de visualización. Para el análisis se consideraron variables logísticas relevantes como el tiempo real de entrega, la distancia recorrida, el consumo de combustible y los costos asociados a la operación de transporte.&#xD;
Como resultado del trabajo, se diseñó un tablero interactivo en Power BI que integra indicadores clave de desempeño logístico, facilitando la visualización y el análisis de ineficiencias, así como la identificación de patrones y oportunidades de mejora en la planificación de rutas. Los resultados obtenidos evidencian que el uso de herramientas de Business Intelligence representa una alternativa viable y accesible para mejorar la eficiencia operativa, optimizar costos y fortalecer la toma de decisiones basada en datos en entornos logísticos.
Description:</description>
      <pubDate>Sat, 07 Mar 2026 00:00:00 GMT</pubDate>
      <guid isPermaLink="false">https://repository.unad.edu.co/handle/10596/82157</guid>
      <dc:date>2026-03-07T00:00:00Z</dc:date>
    </item>
    <item>
      <title>Educación intercultural en Colombia - avances, desafíos y perspectivas desde la política educativa</title>
      <link>https://repository.unad.edu.co/handle/10596/82130</link>
      <description>Title: Educación intercultural en Colombia - avances, desafíos y perspectivas desde la política educativa
Abstract: La presente monografía analiza los avances, desafíos y perspectivas de la educación intercultural en Colombia, con énfasis en las tensiones entre el reconocimiento normativo y su implementación efectiva en el sistema educativo. Parte de la constatación de que, aunque el país ha desarrollado un marco jurídico robusto en materia de diversidad cultural y etnoeducación, persisten brechas en su puesta en práctica, especialmente en contextos rurales e indígenas. El estudio, estructurado en cuatro capítulos, examina los referentes normativos, las experiencias de implementación, los desafíos pedagógicos y las perspectivas decoloniales que orientan la educación intercultural, proponiendo reflexiones y alternativas que contribuyan al fortalecimiento de políticas educativas más inclusivas y culturalmente pertinentes.</description>
      <pubDate>Sat, 09 May 2026 00:00:00 GMT</pubDate>
      <guid isPermaLink="false">https://repository.unad.edu.co/handle/10596/82130</guid>
      <dc:date>2026-05-09T00:00:00Z</dc:date>
    </item>
  </channel>
</rss>

