http://repositorio.unicesmag.edu.co:8080/xmlui/handle/123456789/677 Fri, 11 Sep 2026 10:53:43 GMT 2026-09-11T10:53:43Z http://repositorio.unicesmag.edu.co:8080/xmlui/handle/123456789/1696 Estimular la comprensión lectora en estudiantes con dislexia mediante una plataforma web basada en neurotecnología educativa Criollo Castillo, Geraldine Tatiana; Gustin Rivas, David Felipe; Zuñiga Chalapud, Aslly Ivonne El presente estudio tuvo como objetivo promover la comprensión lectora en estudiantes con dislexia mediante una plataforma web basada en neurotecnología educativa, incorporando recursos digitales interactivos adaptados a sus necesidades. La problemática abordada se centró en las dificultades que presentan estos estudiantes en el procesamiento del lenguaje escrito, las cuales pueden afectar su rendimiento académico, motivación, autoestima y participación en el entorno escolar. La investigación se desarrolló bajo un enfoque cuantitativo, mediante el método científico y con un tipo de investigación aplicada, orientada al diseño, desarrollo e implementación de una solución tecnológica educativa. Para ello, se identificaron principios pedagógicos, tecnológicos y neuroeducativos que sirvieron como base para la construcción de la plataforma NeuroKids, la cual integra recursos interactivos, actividades gamificadas y mecanismos de seguimiento orientados al fortalecimiento de los procesos lectores. Como resultado, se desarrolló e implementó la plataforma web NeuroKids en contextos educativos reales, con la participación de estudiantes de la Institución Educativa Municipal San Juan Bosco y de la Institución Educativa Municipal Ciudad de Pasto. La validación se centró en el funcionamiento de la plataforma, la interacción de los estudiantes, la progresión en las actividades, la percepción de uso, la motivación y la aceptación de los recursos digitales. Wed, 12 Aug 2026 00:00:00 GMT http://repositorio.unicesmag.edu.co:8080/xmlui/handle/123456789/1696 2026-08-12T00:00:00Z http://repositorio.unicesmag.edu.co:8080/xmlui/handle/123456789/1695 Fortalecimiento de la retención de información en estudiantes de primer semestre de la universidad CESMAG mediante una herramienta gamificada basada en el método Cornell y la práctica espaciada Cabrera Mesa, Sergio; Campo Salas, Cristián Camilo; Troya Fajardo, Gabriel Felipe El presente proyecto de investigación aborda la necesidad de optimizar los hábitos de estudio de los estudiantes de la Universidad CESMAG mediante la integración de técnicas pedagógicas probadas con tecnologías emergentes. El objetivo fue implementar una herramienta móvil gamificada que articula el método de notas Cornell y los principios de la práctica espaciada para fomentar un aprendizaje significativo. Para su ejecución, se empleó la metodología de Desarrollo Rápido de Aplicaciones (RAD), la cual permitió un desarrollo iterativo e incremental, basado en una arquitectura modular que integra Flutter en el frontend, Supabase para la persistencia de datos relacionales y la API de Gemini 2.5 Flash para la generación automática de contenido evaluativo. Los resultados demuestran el despliegue de un prototipo funcional capaz de procesar apuntes complejos, convertir fragmentos de información en trivias dinámicas y recompensar la constancia del usuario mediante un sistema de gamificación. Las pruebas funcionales evidenciaron un nivel de cumplimiento superior al 90 % en los criterios de aceptación definidos. Se concluye que la convergencia entre la inteligencia artificial y el diseño de la experiencia de usuario facilita la adopción de métodos de estudio tradicionales, favoreciendo la retención de información y el compromiso académico de los estudiantes. Fri, 01 May 2026 00:00:00 GMT http://repositorio.unicesmag.edu.co:8080/xmlui/handle/123456789/1695 2026-05-01T00:00:00Z http://repositorio.unicesmag.edu.co:8080/xmlui/handle/123456789/1693 Estudio Exploratorio De Funciones Kernel En La Clasificación De Energía Fotovoltaica Con ANN y SVM Mediante Imágenes Satelitales Diaz Rosero, Ximena Tatiana; López Tulcan, Diana Carolina El crecimiento constante de la demanda energética a nivel global, junto con la necesidad de mitigar los efectos del cambio climático, ha impulsado el desarrollo y la implementación de fuentes de energía renovable. En este contexto, la energía solar se posiciona como una alternativa viable debido a su amplia disponibilidad, sostenibilidad y capacidad para contribuir a la reducción de las emisiones de CO₂. De manera paralela, los modelos de aprendizaje automático, como las Máquinas de Soporte Vectorial (SVM) y las Redes Neuronales Artificiales (ANN), han demostrado un alto potencial para abordar tareas de predicción complejas, entre ellas la estimación del potencial energético solar. Su capacidad para modelar relaciones no lineales puede potenciarse mediante el uso de funciones kernel, las cuales permiten transformar los datos a espacios de mayor dimensionalidad y facilitar procesos de clasificación con mayor precisión. Tradicionalmente, se han empleado funciones kernel como la lineal, la polinómica y la de base radial (RBF). Sin embargo, existe un campo de investigación aún poco explorado relacionado con la evaluación de funciones kernel alternativas, cuyo uso podría contribuir a optimizar el rendimiento de los modelos en contextos específicos. Asimismo, los altos costos y las limitaciones logísticas asociadas con el despliegue de redes meteorológicas en regiones remotas han impulsado el uso de imágenes satelitales multiespectrales, como las obtenidas mediante los sensores Landsat y MODIS, como fuentes de información para la estimación indirecta de la radiación solar Tue, 11 Aug 2026 00:00:00 GMT http://repositorio.unicesmag.edu.co:8080/xmlui/handle/123456789/1693 2026-08-11T00:00:00Z http://repositorio.unicesmag.edu.co:8080/xmlui/handle/123456789/1687 Pronóstico de la salud de la vegetación mediante aprendizaje automático aplicado a imágenes multiespectrales de satélite Cárdenas López, Miller Alexander; García Arboleda, Brandon Stiven La presente investigación tiene como objetivo analizar y predecir la salud de la vegetación en el departamento de Nariño mediante el uso de imágenes satelitales multiespectrales provenientes de Landsat y MODIS. En el marco referencial se abordan conceptos relacionados con la teledetección, el índice de vegetación de diferencia normalizada (NDVI) y el uso de modelos de inteligencia artificial para el análisis de datos geoespaciales. Metodológicamente, el estudio se desarrolló bajo un enfoque cuantitativo aplicado, con un diseño experimental computacional y un alcance predictivo, utilizando datos históricos satelitales que fueron preprocesados, organizados y transformados en un conjunto de datos estructurado. Se aplicaron técnicas de extracción de características espectrales y cálculo del NDVI, así como la construcción de ventanas temporales para capturar la dinámica de la vegetación. Posteriormente, se diseñó e implementó un modelo de aprendizaje profundo basado en redes neuronales convolucionales recurrentes (ConvLSTM), capaz de aprender patrones espaciales y temporales a partir de secuencias de imágenes. Tue, 11 Aug 2026 00:00:00 GMT http://repositorio.unicesmag.edu.co:8080/xmlui/handle/123456789/1687 2026-08-11T00:00:00Z