https://repository.unad.edu.co/handle/10596/331 Wed, 08 Jul 2026 10:07:01 GMT 2026-07-08T10:07:01Z https://repository.unad.edu.co/handle/10596/82898 Title: Seguridad del Paciente y Gestión de Riesgos desde la Gerencia y la Auditoría de la Calidad en Salud en Colombia Abstract: La seguridad del paciente constituye un eje fundamental de la calidad en la atención de salud y un componente prioritario del Sistema General de Seguridad Social en Salud en Colombia. La complejidad de los procesos asistenciales, el uso creciente de tecnologías y la interacción de múltiples actores incrementan la probabilidad de ocurrencia de riesgos y eventos adversos que pueden afectar negativamente los resultados en salud. En este contexto, la gestión de riesgo se posiciona como una estrategia esencial para la prevención del daño, la cual debe estar respaldada por una gerencia efectiva y fortalecida mediante la auditoria de la calidad en salud. La presente monografía tiene como objetivo analizar la seguridad del paciente y gestión de riesgos desde la perspectiva de la gerencia y la auditoria de la calidad de los servicios de salud en Colombia, resaltando su importancia en la toma de decisiones, el fortalecimiento de la cultura de seguridad y la mejora continua de la calidad de la atención. Tue, 06 Jan 2026 00:00:00 GMT https://repository.unad.edu.co/handle/10596/82898 2026-01-06T00:00:00Z https://repository.unad.edu.co/handle/10596/82891 Title: Inspirando estudiantes de inglés como lengua extranjera, juegos digitales para fomentar la comprensión lectora en el grado 11 Abstract: Aprender inglés como lengua extranjera constituye tanto un desafío como una oportunidad para estudiantes en contextos educativos y sociales vulnerables; sin embargo, en la Institución Educativa Luis Enrique Figueroa Rey se evidencian dificultades significativas en la comprensión lectora en inglés en los estudiantes de grado once, lo cual afecta su desempeño académico y limita sus oportunidades de acceso a la educación superior. Ante esta problemática, la presente monografía analiza, desde un enfoque teórico-documental, el potencial de la gamificación y el uso de juegos digitales como estrategias pedagógicas para fortalecer dicha competencia, a partir de la revisión de investigaciones nacionales e internacionales y de conceptos clave relacionados con la comprensión lectora, la motivación y el aprendizaje significativo. Los hallazgos indican que herramientas digitales como Kahoot, Quizizz y Duolingo favorecen la motivación, el compromiso y el desarrollo de habilidades lectoras autónomas, además de evidenciar que la integración de actividades gamificadas puede transformar la experiencia educativa, mejorar el rendimiento en pruebas estandarizadas y contribuir al desarrollo integral de los estudiantes; por ello, se recomienda capacitar a los docentes en el uso de estas herramientas, garantizar su accesibilidad en contextos vulnerables y promover un aprendizaje más dinámico, motivador y equitativo. Description: Figura 1 Características de la comprensión lectora, Figura 2 La gamificación en la educación, Figura 3 Ejemplo de actividad en Kahoot. Kahoot (2025), Figura 4 Metodologías y estrategias para mejorar la comprensión lectora en inglés, Figura 5 Comprensión lectora y pensamiento crítico, Figura 6 Niveles de inglés según el MCER. Wed, 15 Oct 2025 00:00:00 GMT https://repository.unad.edu.co/handle/10596/82891 2025-10-15T00:00:00Z https://repository.unad.edu.co/handle/10596/82878 Title: Uso de herramientas digitales para el fortalecimiento de los pequeños emprendimientos en la ciudad de Tunja Abstract: El presente proyecto de investigación tiene como propósito analizar el uso de herramientas digitales en los pequeños emprendimientos de la ciudad de Tunja y su contribución al fortalecimiento de la competitividad, sostenibilidad y permanencia de estos negocios en el mercado local. En un contexto caracterizado por el avance de las tecnologías de la información y la transformación digital de los procesos comerciales, los emprendimientos enfrentan el desafío de adaptarse a nuevas dinámicas de mercado que demandan mayor visibilidad digital, optimización de procesos y comunicación eficiente con los clientes. La investigación se desarrolló bajo un enfoque descriptivo con metodología mixta, integrando técnicas cuantitativas y cualitativas. En la fase cuantitativa se aplicaron encuestas a una muestra de 51 pequeños emprendedores de distintos sectores económicos de la ciudad de Tunja. La recolección de la información se llevó a cabo durante el año 2025. Complementariamente, se realizaron entrevistas semiestructuradas con el fin de profundizar en las percepciones de los emprendedores y en las principales barreras relacionadas con la adopción de herramientas tecnológicas. Los resultados evidencian que el uso de herramientas digitales, como redes sociales, plataformas de comercio electrónico y sistemas de comunicación digital, contribuye al fortalecimiento de la gestión empresarial, el posicionamiento comercial y la ampliación del alcance de mercado. No obstante, se identificaron limitaciones asociadas al desconocimiento tecnológico, la falta de capacitación y la resistencia al cambio. Finalmente, el proyecto propone estrategias orientadas al fortalecimiento de las capacidades digitales de los pequeños emprendimientos, promoviendo prácticas innovadoras y sostenibles que favorezcan el desarrollo económico y empresarial de la ciudad de Tunja. Description: Graficas obtenidas con base a los resulados de la encuesta. Wed, 07 Jan 2026 00:00:00 GMT https://repository.unad.edu.co/handle/10596/82878 2026-01-07T00:00:00Z https://repository.unad.edu.co/handle/10596/82826 Title: Predicción de fallas en equipos industriales mediante modelos de machine learning usando el dataset AI4I 2020 Abstract: En la actualidad, la industria manufacturera enfrenta problemas relacionados con la ocurrencia de fallas inesperadas en los equipos de producción, las cuales generan tiempos de inactividad no planificados, incrementos en los costos de mantenimiento y disminución en la eficiencia operativa. En muchos casos, las organizaciones aún adoptan enfoques reactivos, interviniendo los equipos únicamente después de que se presenta la falla, lo que limita la capacidad de anticipación y la toma de decisiones estratégicas basadas en datos. En este contexto, el mantenimiento predictivo surge como una alternativa clave para mejorar la confiabilidad de los procesos industriales mediante el uso de técnicas de analítica de datos y aprendizaje automático. Este proyecto desarrolló y evaluó un modelo predictivo orientado a la detección temprana de fallas en equipos industriales mediante técnicas de machine learning, empleando el dataset público AI4I 2020, el cual contiene datos relevantes sobre variables operativas de maquinaria industrial, tales como temperatura del aire, temperatura del proceso, velocidad de rotación, torque y desgaste de herramienta, así como indicadores asociados a fallas de los equipos. Este conjunto de datos permite abordar el problema desde un enfoque supervisado, facilitando la construcción de modelos de clasificación capaces de identificar patrones asociados a la ocurrencia de fallas. La metodología adoptada se basó en el estándar CRISP-DM, ampliamente utilizado en proyectos de ciencia de datos industriales. En la fase de comprensión del negocio (definición de objetivos y KPIs asociados a disponibilidad y eficiencia operativa), comprensión de los datos (análisis exploratorio y verificación de consistencia de etiquetas), preparación (limpieza, transformación, codificación, normalización y selección de variables), modelado (entrenamiento y comparación de modelos supervisados), evaluación (validación cruzada estratificada y métricas alineadas al costo asimétrico de errores), y despliegue (servicio de inferencia y visualización para soporte decisional). En modelado se implementaron y compararon modelos de regresión logística, Random Forest y XGBoost; se incluyeron técnicas para tratar el desbalance y ajuste de hiperparámetros. En la evaluación se enfatizó el recall para reducir los falsos negativos, es decir, las fallas reales no detectadas, junto con F1-score, accuracy, precision y ROC-AUC. El desarrollo de este modelo predictivo evidencia el potencial de las técnicas de machine learning para apoyar la optimización de los procesos de mantenimiento, al permitir identificar patrones asociados a fallas y aportar información útil para la toma de decisiones. Palabras clave: Predicción, fallas, análisis, mantenimiento, predictivo Fri, 26 Jun 2026 00:00:00 GMT https://repository.unad.edu.co/handle/10596/82826 2026-06-26T00:00:00Z