Equipo

La arquitectura de software define el plano fundamental de cualquier sistema de software, estableciendo la organización estructural y las interacciones entre sus elementos. A medida que los sistemas basados en web procesan datos sensibles y operaciones críticas, la seguridad se ha vuelto primordial. Sin embargo, la seguridad es frecuentemente tratada como una consideración secundaria en lugar de ser integrada en las decisiones de diseño arquitectónico. Las debilidades introducidas durante el diseño se propagan a lo largo del ciclo de vida del sistema y son más costosas de remediar después de la implementación.

Esta tesis propone un modelo de aseguramiento de la seguridad para la identificación y mitigación sistemáticas de debilidades de seguridad en arquitecturas de software basadas en la web en tiempo de diseño. Construido alrededor de un grafo de conocimiento que integra conceptos de arquitectura de software con conocimiento en ciberseguridad proveniente de CWE y OWASP, las contribuciones incluyen: un método de modelado arquitectónico que combina un Lenguaje de Descripción de Arquitectura con un grafo de conocimiento; un mecanismo para la detección de debilidades a nivel de diseño; y una estrategia de mitigación que genera modelos mejorados con tácticas arquitectónicas y patrones de seguridad.

El modelo es validado empíricamente, demostrando su efectividad en la identificación de debilidades en diferentes estilos arquitectónicos de sistemas de software basados en la web.

El bajo rendimiento académico en los cursos de programación es un problema recurrente en las instituciones de educación superior y se ha convertido en un reto significativo para la formación de futuros ingenieros. Este desafío está asociado a factores como la falta de experiencia previa en programación, estilos de aprendizaje inadecuados y baja motivación, los cuales impactan negativamente en el progreso formativo de los estudiantes, comprometiendo su éxito académico como su competitividad profesional. La presente tesis propone un sistema de intervención temprana basado en la predicción del rendimiento académico y dos tipos de intervención denominadas preventiva y proactiva, que ofrecen estrategias personalizadas para apoyar a los estudiantes en riesgo, mejorando sus resultados académicos y fomentando la autorregulación y la motivación en el aprendizaje de la programación. La investigación aborda la pregunta: ¿Cómo las predicciones del rendimiento estudiantil apoyan la intervención temprana en los cursos de programación informática? Para responder a esta pregunta, se desarrolló un modelo predictivo de regresión y otro de clasificación, que utilizan características relacionadas con las actividades de programación y las calificaciones, con el propósito de identificar a estudiantes en riesgo de bajo rendimiento académico durante las primeras semanas del curso. Además, se diseñaron y probaron estrategias de intervención, como tutorías grupales, envío de sugerencias, códigos fuente de referencia y talleres de refuerzo, con el objetivo de mejorar el desempeño académico de los estudiantes. Asimismo, se llevó a cabo un estudio cuasi-experimental y se aplicó el cuestionario MSLQ-Colombia para evaluar la efectividad de las intervenciones implementadas, así como las estrategias de aprendizaje y motivación empleadas por los estudiantes en los cursos de programación informática. Como resultado del desarrollo de esta tesis, se escribieron ocho artículos que contribuyeron significativamente al logro de los objetivos de la investigación y al avance en el campo de las Ciencias de la Computación. Entre ellos, destacan tres publicaciones en revistas de categoría Q1, dos en categoría Q3, mientras que las tres restantes están en proceso de evaluación. Los primeros documentos abordan los modelos de predicción desarrollados y un modelo pedagógico basado en la propuesta de Kirkpatrick, diseñado para medir la eficacia de las estrategias de enseñanza en los cursos de programación informática. Los siguientes trabajos analizan cómo el aula invertida puede integrarse de manera efectiva en sistemas de intervención temprana en estos cursos. Los documentos restantes incluyen una revisión de la literatura sobre Sistemas de Alerta Temprana y su contribución a la predicción del rendimiento académico, así como la herramienta de intervención temprana desarrollada y el estudio cuasi-experimental realizado. Entre los resultados más significativos de la investigación se incluye la efectividad de los modelos predictivos implementados, que alcanzaron hasta un 96% de precisión en la predicción del rendimiento académico durante las primeras semanas del curso. La herramienta de intervención temprana desarrollada permitió identificar a los estudiantes en riesgo y ofrecer intervenciones personalizadas. Estos resultados demuestran que las intervenciones tempranas, basadas en la predicción académica, son esenciales para mejorar tanto el rendimiento como la retención de estudiantes en los cursos de programación informática.

Los accidentes de tránsito son una gran preocupación a nivel mundial, ya que tienen un impacto significativo en la seguridad, la salud y el bienestar de las personas, por lo que constituyen un importante campo de investigación sobre el uso de técnicas y algoritmos de última generación para analizarlos y predecirlos. El estudio de los accidentes de tráfico se ha realizado a partir de la información publicada por las entidades de tráfico, pero gracias a la ubicuidad y disponibilidad de las redes sociales es posible disponer de información detallada y en tiempo real de los accidentes de tráfico, lo que permite realizar estudios detallados que incluyen eventos de accidentalidad vial no registrados. El objetivo de esta tesis es proponer un modelo predictivo para estimar la probabilidad de accidentes de tránsito en un área determinada mediante la integración de información proveniente de entidades oficiales y redes sociales relacionadas con accidentes viales y eventos de infraestructura vial. El modelo diseñado fue un modelo de aprendizaje profundo, compuesto por unidades recurrentes cerradas y redes neuronales convolucionales. Los resultados obtenidos se compararon con resultados publicados por otros investigadores y muestran resultados prometedores, lo que indica que, en el contexto del problema, el modelo de aprendizaje profundo propuesto supera a otros modelos de aprendizaje profundo disponibles en la literatura. La información proporcionada por el modelo puede ser valiosa para que las agencias de control de tráfico planifiquen actividades de prevención de accidentes de tráfico.

Debido a la escala tecnológica, la susceptibilidad de los sistemas modernos a los efectos de la radiación ha aumentado constantemente. En consecuencia, se ha vuelto esencial proteger los sistemas contra tales fallos. Si bien estos fallos, denominados \textit{soft errors}, pueden ser transitorios en lugar de permanentes, pueden alterar el comportamiento del sistema y provocar mal funcionamiento o fallas en los sistemas electrónicos. Los investigadores han propuesto técnicas de tolerancia a fallos que abarcan varios enfoques para abordar este problema. Estas técnicas van desde la modificación de materiales de chips y procesos de fabricación hasta soluciones alternativas a nivel de diseño. Estas alternativas a nivel de diseño incluyen enfoques de mitigación basados en hardware, software o una combinación de ambos, comúnmente conocidos como métodos híbridos. Sin embargo, muchas de estas técnicas se basan en la redundancia, lo que impone una importante sobrecarga computacional. Para abordar este desafío, las técnicas de Computación Aproximada (CA) han llamado la atención como una alternativa para reducir los sobrecostos asociados con la mitigación de fallos transitorios. Estas propuestas han demostrado que la CA puede mejorar la eficiencia al equilibrar la cobertura de fallas, los sobrecostos y la precisión de los resultados. Sin embargo, la mayoría de estas propuestas se centran principalmente en el nivel de circuito, lo que requiere modificaciones físicas en el sistema o requisitos de implementación específicos adaptados a soluciones particulares.

En esta tesis, presentamos FTxAC, una estrategia novedosa para diseñar sistemas embebidos tolerantes a fallos inducidos por radiación que tiene como objetivo reducir los sobrecostos. Esta estrategia implica el uso de técnicas de computación aproximada junto con estrategias de mitigación de fallos inducidas por radiación. FTxAC muestra flexibilidad para incorporar varias técnicas de CA y estrategias de mitigación de fallos. El método propuesto ha sido validado exhaustivamente, considerando la confiabilidad, la precisión de los resultados y los sobrecostos. Se realizaron experimentos de inyección de fallos en cuatro estudios de caso que abarcan diversas técnicas de CA y estrategias de tolerancia a fallos. Los resultados de estas pruebas confirman la efectividad de la estrategia de diseño presentada. Las mejoras logradas en la etapa de aproximación compensan los sobrecostos incurridos en el proceso de endurecimiento.

Este trabajo presenta el diseño, implementación y evaluación de un prototipo de asistente virtual para apoyar el proceso de aprendizaje en la asignatura de Análisis y Visualización de Datos. El asistente se basa en grandes modelos de lenguaje (LLMs, por sus siglas en inglés) y emplea una arquitectura de GeneraciónAumentada por Recuperación (RAG, Retrieval-Augmented Generation). El objetivo principal es ofrecer acompañamiento pedagógico personalizado que sea coherente con el material oficial de la asignatura, prestando especial atención a la calidad conceptual de las respuestas y al tono formativo.

El sistema utiliza un corpus curricular construido a partir de notas de clase, guías, transcripciones de sesiones sincrónicas y material externo recomendado. A partir de este corpus se indexa conocimiento relevante y se habilita la recuperación semántica contextualizada (índice FAISS, embeddings nomic-embed-text). Sobre esta base, distintos modelos de lenguaje ejecutados localmente vía Ollama generan respuestas adaptadas mediante perfiles de interacción (tutor, qa, auto) que buscan orientar al estudiante sin simplemente “darle la solución”. Para reducir el riesgo de alucinaciones y respuestas incorrectas, se implementó un esquema de evaluación automática que combina métricas RAGAS (fidelidad, relevancia de respuesta y contexto) y la taxonomía DAMR mediante LLM-as-a-Judge, utilizando openai/gpt-4o-mini como modelo juez. Las dimensiones evaluadas incluyen: identificación de errores conceptuales, revelación de respuesta, claridad, tono de tutor, acción sugerida y coherencia.

Los resultados muestran que algunos modelos presentan un comportamiento pedagógico más consistente y más alineado con las intenciones didácticas que otros. En particular, se observa que ciertos modelos mantienen un tono motivador, citan el material del curso y proponen próximos pasos accionables, mientras que otros tienden a revelar la respuesta completa o a responder sin suficiente anclaje en las fuentes. Adicionalmente, se midió la latencia de respuesta de cada modelo, con el fin de evaluar su viabilidad en uso real.

Este trabajo concluye que un asistente virtual basado en LLM con RAG puede complementar la enseñanza tradicional, ofreciendo retroalimentación inmediata, guiada y contextualizada al material oficial de la asignatura. Sin embargo, también se identifican retos relacionados con control pedagógico fino, sesgos del modelo, alucinaciones, y gobernanza de contenido académico.

Ante la problemática crítica de la evasión del pago de pasajes en el sistema TransMilenio, que alcanza tasas cercanas al 15% y carece de mecanismos de medición automatizados estandarizados, este trabajo desarrolla un método computacional basado en Inteligencia Artificial y Visión por Computador para la detección automática de ingresos ilegales por las puertas de los vagones. Mediante la construcción de un conjunto de datos propio con 1.800 clips de video y una metodología que integra técnicas de segmentación, detección de objetos, seguimiento de trayectorias y análisis de las mismas, se exploraron sistemáticamente diversas configuraciones hasta determinar una arquitectura óptima; los resultados demostraron que el método propuesto cuantifica eficazmente los eventos de evasión con estabilidad tanto en clips cortos como en videos continuos, validándose como una herramienta tecnológica efectiva para apoyar las estrategias de control y mitigación de este fenómeno en sistemas de transporte masivo tipo BRT.

La evasión del pago del pasaje al ingresar por los torniquetes del Sistema de Transporte Público TransMilenio de Bogotá representa una problemática que afecta tanto la sostenibilidad financiera del sistema como la percepción de calidad del servicio por parte de los usuarios. La diversidad de modalidades de evasión y las condiciones propias de las estaciones, como la alta afluencia de personas, las oclusiones y la variabilidad en la iluminación, limitan la efectividad de los métodos tradicionales de control y supervisión.

El objetivo de este trabajo es desarrollar un método para la detección automática de evasores de pago al ingresar al sistema TransMilenio mediante el uso de técnicas de Machine Learning aplicadas a la analítica de video. Se identifican y analizan algoritmos de detección de personas, estimación de pose humana y segmentación de instancias, entre los que se incluyen YOLOv11, Grounding DINO combinado con SAM, ViTPose, ViTPose++ y Mask RCNN. A partir de este análisis, se diseña un método computacional orientado a la detección de una modalidad de evasión por torniquete. Finalmente, el método es evaluado mediante validación cruzada sobre un conjunto de datos histórico compuesto por videos del sistema TransMilenio.

Este trabajo final presentó el desarrollo y la evaluación de un sistema de asistencia virtual para consultas sobre el manejo del cultivo de papa, basado en grandes modelos de lenguaje con recuperación contextual. El trabajo se ejecutó en cuatro fases de acuerdo con los objetivos específicos. Primero, se estructuró una base de conocimiento a partir de publicaciones de acceso abierto sobre el cultivo de papa, mediante la recolección sistemática, el filtrado por criterios temáticos, geográficos y temporales, la extracción de texto y la normalización del contenido. Asimismo, se planteó una arquitectura modular que incorpora la recuperación semántica de fragmentos y un mecanismo de trazabilidad para identificar las fuentes utilizadas en cada respuesta a consultas en lenguaje natural. Luego, se implementó un prototipo que presentó los identificadores de los fragmentos recuperados como evidencia documental. Finalmente, el prototipo se evaluó mediante un enfoque de modelo de lenguaje como juez, aplicando un conjunto de consultas distribuidas por estratos temáticos y calificando las respuestas según su relevancia, exactitud, claridad, utilidad y evaluación global. Los resultados mostraron un desempeño consistente en claridad y variación entre estratos, con un menor rendimiento en las consultas asociadas a condiciones ambientales. Por último, se presentan evidencias de funcionamiento y de evaluación, y se listan limitaciones y líneas de trabajo futuras vinculadas a la cobertura documental, la validación con expertos y las mejoras en las estrategias de recuperación.

El cultivo de la palma aceitera en Colombia es de gran importancia en industrias como la alimenticia, química, cosmética y producción de biocombustibles. Existen condiciones fitosanitarias que ponen en riesgo las plantaciones y que pueden disminuir drásticamente su producción. El fenotipado de los cultivos proporciona información para la detección temprana de individuos con anomalías relacionadas con su salud. En este estudio se implementa un proceso fotogramétrico de obtención de datos de imágenes aéreas en cultivos de palma mediante plataformas aéreas no tripuladas y sensores multiespectrales. Luego se implementa y evalúa un método de detección individual de palmas utilizando algoritmos de extracción de características (HOG), clasificación (SVM) y agrupación de detecciones.

Posteriormente se implementa el algoritmo desarrollado para la detección de individuos sobre una imagen aérea multiespectral y se realiza su caracterización espectral individual, basado en el cálculo de índices de vegetación. Se obtiene un catálogo geolocalizado de palmas individuales junto con un conjunto de metadatos útiles para orientar al productor acerca de los individuos del cultivo con mayor interés de estudio según el estado fitosanitario relacionado con los índices de vegetación utilizados.

En el contexto competitivo de los marketplaces, la retención de clientes se ha convertido en un factor estratégico clave. Este trabajo presenta el desarrollo de un modelo predictivo de abandono de clientes (churn) aplicando técnicas de aprendizaje automático (machine learning), con el objetivo de identificar proactivamente a aquellos usuarios con mayor probabilidad de abandonar la plataforma. El estudio se estructura bajo la metodología CRISP-DM, abordando desde la selección y análisis de una base de datos —“theLook eCommerce”— hasta la preparación de características y la comparación de múltiples algoritmos. Se evaluaron diferentes configuraciones temporales para representar el con texto del cliente, y se identificaron las más efectivas en términos de desempeño predictivo. El modelo desarrollado, basado en Random Forest, alcanzó métricas superiores al 82 % en Accuracy y 78 % en F1-score, demostrando su utilidad para apoyar estrategias de retención en entornos reales. Este trabajo reafirma la necesidad de enfoques personalizados en la predicción del churn y sienta las bases para su implementación práctica.

El presente trabajo desarrolla un prototipo de plataforma educativa de código abierto orientada a la enseñanza de matemáticas básicas, integrando modelos de lenguaje para ofrecer tutoría personalizada. La propuesta surge como respuesta a la brecha de aprendizaje matemático en Colombia y a la necesidad de contar con herramientas capaces de operar en entornos con recursos limitados. Se plantea la adaptación de modelos de lenguaje pequeños (Small Language Models) al dominio de las matemáticas elementales, con el propósito de generar explicaciones paso a paso y fomentar el aprendizaje activo. El documento describe las fases de diseño pedagógico, la construcción de un conjunto de datos en español, el ajuste fino de los modelos y la implementación de un prototipo con interfaz de usuario. Los resultados obtenidos muestran la factibilidad técnica y pedagógica de esta aproximación en escenarios de baja conectividad, y se plantea su potencial escalabilidad como alternativa inclusiva para fortalecer la enseñanza de las matemáticas en el sistema educativo colombiano.

El reciente crecimiento de plataformas de evaluación automática de ejercicios de programación de computadores ha ayudado a los docentes en la retroalimentación de las soluciones propuestas por los estudiantes; esto es un factor importante en el desarrollo de habilidades de programación de computadores. Sin embargo, los docentes enfrentan desafíos a la hora de conocer si los casos de prueba que han creado tienen la suficiente cobertura, la cual hace referencia a la cantidad o porcentaje de código que es alcanzado por las pruebas. El objetivo general del presente trabajo es proponer y desarrollar un prototipo funcional de una herramienta que mida, de manera automática, la calidad de un conjunto de casos de prueba usados para evaluar la solución de ejercicios de programación de computadores. La herramienta mide el nivel de cobertura de estos casos mediante métricas como cobertura de rama y línea, proporcionando información de su calidad. La metodología empleada incluyó una revisión de la literatura sobre técnicas, métricas y herramientas de evaluación de pruebas, seguida del diseño, implementación y validación del prototipo utilizando un conjunto de datos de soluciones y casos de prueba de 18 ejercicios del curso Introducción a la Programación en Python de la Universidad Nacional de Colombia. Los resultados muestran que la herramienta permite identificar deficiencias en la cobertura de los casos de prueba y, a partir de ellos, se sugieren oportunidades de mejora para fortalecer el proceso de creación de casos de prueba para la evaluación de ejercicios de programación. Este trabajo contribuye a la mejora continua de la enseñanza de programación de computadores, al ofrecer una solución automática para la evaluación de pruebas, que proporcione una orientación a los docentes para la generación de casos de prueba más completos y efectivos, por medio de la identificación del nivel de cobertura alcanzado.

En el dinámico entorno del comercio electrónico, el análisis competitivo de productos es un pilar estratégico, aunque su ejecución manual es ineficiente y propensa a errores debido a la heterogeneidad de la información. Este trabajo aborda la automatización de la comparación de artículos deportivos, específicamente calzado de running, extrayendo datos de múltiples plataformas de e-commerce. La contribución principal es un pipeline que implementa un paradigma de "extracción primero, comparación después". Se utiliza un Modelo de Lenguaje Grande (LLM) para transformar descripciones de producto no estructuradas en un conjunto normalizado de atributos técnicos clave, definidos mediante un consenso de expertos con el método Delphi. Posteriormente, sobre estas representaciones estructuradas, se aplican técnicas de embeddings y el algoritmo K-Vecinos más Cercanos (KNN) para cuantificar la similitud funcional e identificar productos equivalentes. Los resultados demuestran una reducción del tiempo de análisis superior al 99.9% en comparación con el proceso manual y una alta validación cualitativa por parte de expertos (4.35 sobre 5.0), validando la herramienta como un recurso eficaz para la inteligencia de negocio, la optimización de precios y la toma de decisiones estratégicas en el sector retail.

El comportamiento de los precios de activos financieros, específicamente en el mercado colombiano, está influenciado por múltiples factores económicos y financieros, que influyen en los precios y generan incertidumbre en los inversionistas. Históricamente, Colombia ha mostrado una baja participación en el mercado de renta variable debido, en parte, a la complejidad del análisis requerido para la toma de decisiones. Este trabajo se motivó por la necesidad de facilitar este proceso mediante tecnologías avanzadas, con el fin de promover la inclusión financiera y mejorar la precisión en la toma de decisiones.

En Colombia, se evidenció que, aunque existen desarrollos tecnológicos como aplicaciones móviles (TRII y Tyba) y estudios de implementación de Inteligencia Artificial (IA) en el mercado local, la aplicación específica de Agentes Autónomos de IA, aún es incipiente en el contexto financiero colombiano. Modelos como FinGPT y FinAgent han demostrado resultados prometedores en otros mercados, destacando la necesidad de adaptar estas tecnologías al contexto local con las características propias del mercado colombiano.

El objetivo de este trabajo es desarrollar un Agente Autónomo de Inteligencia Artificial que proporcionará soporte automatizado para decisiones de inversión en la Bolsa de Valores de Colombia. Este objetivo se alcanzó mediante un proceso metodológico estructurado en cuatro fases: la recolección de datos mediante técnicas de web scraping, la creación de una herramienta computacional basada en técnicas de IA para extraer información relevante de fuentes confiables, la implementación del agente autónomo utilizando el modelo ReAct y grandes modelos de lenguaje (LLMs), y la evaluación de su desempeño comparado con estrategias tradicionales.

Los resultados obtenidos mostraron que el agente autónomo, en diferentes contextos, logró superar a estrategias convencionales como Comprar y Mantener, Media Móvil y Reversión a la Media, evaluadas a través de métricas como la Tasa Promedio de Retorno Anual (ARR), volatilidad y el Sharpe Ratio. Además, pruebas estadísticas como Mann-Whitney U confirmaron las diferencias del agente en términos de rentabilidad ajustada al riesgo para acciones destacadas como Ecopetrol, Bancolombia, Nutresa y Cementos Argos.

Este trabajo aporta una solución innovadora al mercado bursátil colombiano, demostrando que los Agentes Autónomos basados en IA pueden ser efectivos en contextos financieros locales. Los hallazgos sugieren un gran potencial para mejorar la inclusión financiera en Colombia y plantean futuras líneas de investigación en la adaptación y optimización de estos modelos en mercados emergentes.

En los procesos educativos de los ingenieros, la gestión del tiempo se reconoce como una competencia transversal esencial tanto para el desempeño académico como para el ejercicio profesional. Sin embargo, en los programas universitarios su desarrollo suele abordarse de manera implícita y mediante estrategias poco sistemáticas. El presente estudio analizó el efecto de la incorporación de la metodología ágil Scrum como estrategia de gestión de proyectos en una asignatura del programa de Ingeniería Eléctrica de la Universidad Nacional de Colombia, cuya estructura didáctica se fundamenta en el Aprendizaje Basado en Proyectos (PBL), con el propósito de facilitar a los estudiantes el fortalecimiento de su competencia de gestión del tiempo. La intervención se desarrolló en cinco fases: (1) la caracterización inicial de la habilidad de los estudiantes para planear, monitorear y ejecutar el tiempo, (2) la integración formativa de Scrum con planificación por sprints, (3) el monitoreo y retroalimentación continua hacia los estudiantes por parte de los profesores, (4) la caracterización final de la habilidad de los estudiantes para administrar el tiempo y (5) el análisis de resultados.

El diseño de la investigación que se adoptó en este estudio fue cuasiexperimental con grupo experimental y control, empleando un enfoque mixto con mediciones pre y post en la Time Management Behavior Scale (TMBS), observaciones participativas y análisis de percepciones estudiantiles. En los resultados cuantitativos no se hallaron diferencias estadísticamente significativas, pero el análisis cualitativo evidenció que los estudiantes valoraron la planificación estructurada del trabajo académico y la división de tareas como guía organizativa, aunque algunos la consideraron excesiva; además, destacaron la motivación que les generaba para iniciar. Asimismo, resaltaron que el control del progreso, el seguimiento derivado de la planeación y las reuniones periódicas facilitaron la visualización de avances. Por otro lado, señalaron limitaciones como la dificultad para cumplir los tiempos establecidos, la falta de experiencia para dimensionar la complejidad de las tareas, márgenes de error en la planificación y la dificultad para presentar avances en las reuniones. Adicionalmente, identificaron obstáculos personales como el desorden en la gestión del tiempo y la falta de disciplina, así como barreras contextuales relacionadas con imprevistos o fallos técnicos, carga académica externa y problemas de coordinación con los compañeros de trabajo. Finalmente, en términos generales, los participantes reportaron mejoras en la calidad y el rendimiento del trabajo, una mayor autogestión del tiempo y la intención de aplicar las prácticas aprendidas en futuros contextos académicos y profesionales, mientras que un grupo minoritario expresó percepciones negativas, como que la metodología no cumplió con lo esperado o consumía mucho tiempo.

En síntesis, la integración de Scrum en un entorno de Aprendizaje Basado en Proyectos mostró potencial para fortalecer la autorregulación del tiempo y el trabajo colaborativo en ingeniería. Futuras investigaciones podrían ampliar su aplicación a otros cursos y niveles, evaluar su sostenibilidad a largo plazo y explorar su relación con competencias transversales como liderazgo, toma de decisiones y manejo del estrés, así como integrar herramientas tecnológicas que optimicen la planificación y el seguimiento del trabajo.

Bogotá se encuentra entre las veinte ciudades con peor tráfico del mundo de acuerdo con el Ranking del Índice de Tráfico. Además, carece de un sistema de transporte público robusto; el sistema TransMilenio, en particular, presenta deficiencias operativas y económicas que agravan los problemas de movilidad en la ciudad. La más destacada de estas deficiencias es la evasión de pago, un fenómeno que hasta ahora ha sido difícil de cuantificar y, por consiguiente, de mitigar. Por esta razón, el objetivo de este trabajo es detectar y cuantificar a los evasores en los torniquetes del sistema TransMilenio. Para lograrlo, se exploraron diversas técnicas de procesamiento de imágenes y video, así como aprendizaje automático e inteligencia artificial. Este trabajo enfrenta varios retos, entre los que destacan el marcado desequilibrio en el conjunto de datos (3 de cada 100 personas son evasores), la sutileza en algunos eventos de evasión y los complejos entornos de las estaciones. El modelo con mejores resultados es capaz de identificar el 95% de los evasores, gracias a la aplicación de conceptos de vanguardia en aprendizaje no supervisado y auto-supervisado.

Las iniciativas para mejorar el aprendizaje de los estudiantes han ido en aumento gracias a los avances en las telecomunicaciones y una mayor presencia de equipo de cómputo en los contextos educativos. Entre estas iniciativas se encuentran los laboratorios remotos que permiten la experimentación a distancia. En la misma línea se encuentran los laboratorios híbridos, que pueden agrupar tanto elementos remotos como virtuales o presenciales. El aprendizaje requiere que estas herramientas puedan ser efectivas a un alto nivel. De esta forma, pueden contribuir a motivar a los estudiantes para aprender y generar un flujo positivo en sus calificaciones y recompensas académicas. En electrónica digital, el aprendizaje de los lenguajes de descripción de hardware es de especial interés en el desarrollo de habilidades prácticas en la creación e implementación de circuitos electrónicos digitales. No obstante, se presentan desafíos para los estudiantes, docentes e instituciones. El aprendizaje requiere de estrategias, métodos y herramientas bien pensadas para atender y superar estos desafíos. Por esta razón, las iniciativas de laboratorios para atender a la parte práctica de una asignatura deben ser acompañadas por evidencia empírica para establecer las estrategias y formas de incorporar su funcionalidad en el contexto académico. La revisión de literatura presentó varias iniciativas de laboratorios remotos e híbridos, las cuales han sido generalmente bien recibidas por los estudiantes. En diversos casos, sus percepciones han permitido reconocer los beneficios y bondades que les han generado las nuevas iniciativas para la práctica de laboratorio. A pesar de ello, se encuentran pocos trabajos de validación de estas iniciativas desde el ámbito educativo. En otros casos, los instrumentos utilizados no están estandarizados o simplemente no han sido aplicados. En variables como la motivación por aprender, la evidencia acerca de iniciativas de laboratorios remotos es escasa y aún más para los de tipo híbrido. De esta manera, algunos autores enfatizan la necesidad de realizar más investigación involucrando distintas iniciativas de laboratorios, con el fin de encontrar sus efectos en diversas variables. Con la disponibilidad de mayor evidencia, se podrían tomar mejores decisiones acerca de los componentes de laboratorio práctico para asignaturas relacionadas con electrónica digital que involucren la práctica con un lenguaje de descripción de hardware. A partir de lo expuesto, este trabajo busca aportar evidencia acerca de los efectos en el rendimiento y la motivación en el aprendizaje de un HDL para una asignatura de electrónica digital. Para este propósito, se desplegó un laboratorio híbrido que reúne las modalidades remota y tradicional (Hands-On). El despliegue se realizó bajo una intervención educativa diseñada previamente como un estudio cuasi-experimental. Se trabajó con dos grupos, uno experimental y uno de control. En este proceso, se escogió un laboratorio remoto que, junto a la modalidad tradicional usualmente manejada, se constituyó como un laboratorio híbrido destinado a ser implementado en el grupo experimental. Mientras tanto, el grupo control se mantuvo bajo la modalidad tradicional. Se caracterizó la motivación por aprender gracias a la aplicación de cuestionarios del MSLQ-Colombia, al inicio y al final de la experiencia. Además, se llevó a cabo una encuesta de percepción y se recolectaron las notas de los informes de laboratorio entregados por los estudiantes. Estas acciones de recolección permitieron extraer datos acerca de la motivación y el rendimiento, así como las opiniones y percepciones acerca de la experiencia y las herramientas en detalle. El análisis de la información recolectada se llevó a cabo usando métodos estadísticos para verificar las variaciones en la motivación y el rendimiento. Los datos cuantitativos no arrojaron efectos significativamente positivos en la motivación o el rendimiento. El enfoque cualitativo permitió encontrar hallazgos importantes a partir de la percepción de los estudiantes. Se reportaron beneficios para el trabajo autónomo, buenas expectativas de rendimiento y disminución en niveles de ansiedad gracias a una mejor confianza en la experimentación del laboratorio. Estas son evidencias que pueden ser valoradas de forma positiva para establecer nuevas iniciativas de laboratorios híbridos que apunten al aprendizaje efectivo de lenguajes de descripción de hardware (HDL).

Este trabajo de grado explora la aplicación de técnicas de visión artificial basadas en aprendizaje profundo para supervisar automáticamente el proceso de inspección vehicular en los centros de diagnóstico automotor (CDA) en Colombia, específicamente durante la prueba de frenos. El objetivo principal es desarrollar un método que permita identificar el eje y el vehículo al que pertenece durante la inspección, con el fin de prevenir la suplantación de ejes o vehículos.

La metodología empleada consta de tres fases: preparación, implementación y documentación. En la fase de preparación se recolectaron videos de inspecciones y se construyeron conjuntos de datos etiquetados manualmente para el entrenamiento y evaluación de los modelos. Durante la fase de implementación, se entrenaron y compararon tres modelos de detección de objetos (DETR-ResNet50, DETR-ResNet101 y YOLOv9) para la detección de ejes, seleccionando el modelo YOLOv9 por su mejor rendimiento. Además, se utilizó un algoritmo de reconocimiento de placas para identificar los vehículos y una red siamesa para los casos en que la placa no era visible.

En la fase de documentación, se detalló el desarrollo del proyecto, el experimento realizado y los resultados obtenidos. El experimento consistió en evaluar el método propuesto utilizando imágenes de una semana de operación de un CDA. Los resultados demostraron la efectividad del modelo YOLOv9 para la detección de ejes y del algoritmo de identificación de vehículos, con un alto porcentaje de aciertos y pocos falsos positivos.

En conclusión, este trabajo demuestra la viabilidad de aplicar técnicas de visión artificial basadas en aprendizaje profundo para supervisar automáticamente los procesos de inspección vehicular en los CDA, contribuyendo así a mejorar la calidad del servicio y la seguridad vial. Se sugieren trabajos futuros enfocados en expandir los conjuntos de datos, explorar nuevas arquitecturas de redes neuronales y realizar pruebas de campo a mayor escala.

Debido a la creciente aplicación de la programación de computadores en áreas laborales y del conocimiento, cada vez se incluyen más cursos relacionados con este campo en las carreras universitarias. La complejidad de los contenidos de materias asociadas exige nuevas estrategias y metodologías de enseñanza que resulten cómodas para los estudiantes y los motiven. En este sentido, el uso y la aplicación de videojuegos se ha convertido en una alternativa prometedora.

GDBL (Game Development Based Learning) es una estrategia que utiliza la construcción o modificación de videojuegos como técnica de enseñanza. La principal herramienta que utiliza el GDBL se denomina GDF (Game Development Frameworks), y consiste en una serie de entornos, librerías o componentes de desarrollo que permiten desarrollar dichos videojuegos. Esta estrategia se basa en la teoría de aprendizaje constructivista, que se fundamenta en la construcción y refinamiento de modelos mentales basados en la experiencia y sentido de autonomía derivado de la propia motivación por aprender. En este trabajo, se abordará específicamente el modelo SRL (Self-Regulated Learning).

Los resultados y la caracterización reportados en esta investigación proporcionan evidencia empírica relacionada con el uso de GDBL en cursos de programación de computadores y su efecto en la motivación de los estudiantes por aprender. Los resultados, tanto positivos como negativos, contribuirán a comprender y consolidar el uso de estrategias GDBL en el ámbito educativo.

La congestión del tráfico en Bogotá se agrava cada vez más, y no es simplemente una percepción de los residentes, ya que la ciudad ha mantenido una posición destacada en los rankings de congestión a nivel mundial. Esto otorga la urgencia de abordar y contribuir de alguna manera a este desafío significativo. Este estudio se enfoca en diversos aspectos, desde la obtención y análisis de datos de velocidad promedio y precipitaciones en un segmento vial de Bogotá, hasta el desarrollo de un modelo computacional destinado a predecir la velocidad promedio. Este enfoque tiene como objetivo ofrecer una perspectiva inicial y valiosa hacia la solución de la problemática del tráfico en la ciudad. En el marco de este estudio, se planteó el diseño de un modelo LSTM utilizando datos reales de alta calidad provenientes de un segmento vial en Bogotá. Esta aproximación no solo condujo a resultados sobresalientes en la predicción de la velocidad promedio, sino que también proporcionó diversas ventajas en comparación con otras investigaciones.

Los lenguajes de descripción de hardware se han popularizado en el diseño de electrónica digital debido al aumento de la complejidad de los circuitos actuales. Debido a lo anterior, se hace necesario apoyar el proceso de aprendizaje de electrónica digital utilizando estos lenguajes. El objetivo principal de este trabajo es desarrollar un prototipo de una herramienta de software de calificación automática con proceso de realimentación para el apoyo al aprendizaje de Lenguajes de Descripción de Hardware. Para lograrlo, este trabajo presenta la selección de características que debería incluir el prototipo, basado en otras herramientas similares. Posteriormente se realizó el diseño e implementación de un prototipo que fue usado por estudiantes del curso de Electrónica Digital de la Universidad Nacional de Colombia por cinco (5) semanas. Con este estudio se obtuvieron las percepciones de su uso. Los estudiantes encontraron útil para el proceso de aprendizaje tener una herramienta de calificación automática con realimentación, pues al estar disponible en línea da una ventaja al no depender de un profesor o tutor.

Este proyecto de investigación busca realizar un enlace inalámbrico de un radar GPR-UWB con un dispositivo de procesamiento, con el fin de facilitar su utilización en campo, este dispositivo se utilizará en el desminado humanitario. La comunicación inalámbrica se logra mediante el diseño de un embebido el cual comunica el GPR-UWB con un portátil que procesa los datos en Matlab. Luego se realizan mediciones de la interferencia del enlace en los A-scan generados por el radar de penetración de suelos y se analiza la viabilidad de los radio enlaces cerca de los radares de penetración de suelos. Esta investigación fue financiado por el proyecto de MEDICI del grupo de investigación EMC-UN y dentro de las instalaciones de la universidad Nacional.

El análisis temático es fundamental en la investigación cualitativa, ofreciendo ideas valiosas pero a menudo requiriendo una cantidad significativa de tiempo y experiencia. Este trabajo aborda algunas limitaciones de los Software Asistidos por Computadora para el Análisis de Datos Cualitativos existentes y presenta un método novedoso diseñado específicamente para asistir en el análisis temático de preguntas abiertas con múltiples etiquetas para encuestas en español. El método propuesto combina la experiencia de dominio con modelos de lenguaje avanzados para establecer categorías preliminares. Posteriormente, el discernimiento humano se combina con medidas de similitud para agilizar la categorización de algunas respuestas utilizando estas categorías preliminares. El proceso culmina en una categorización automatizada robusta y escalable, utilizando diversos modelos, modelos de lenguaje y métricas de precisión. El método propuesto se compone de tres fases modulares que pueden funcionar de manera independiente o colaborativa, ofreciendo una solución integral a los investigadores. Puede reducir el largo proceso de codificación manual aprovechando los Grandes Modelos de Lenguaje (LLMs) y técnicas de Procesamiento de Lenguaje Natural (PLN). La eficacia del método se evalúa a través de su aplicación en un conjunto de datos de la Universidad Nacional de Colombia, mostrando resultados prometedores a través de sus diversos módulos y opciones. El trabajo abre vías para futuras investigaciones, particularmente en la mejora de los métodos de análisis cualitativos con la integración de herramientas modernas.

Este documento plantea un trabajo final de maestría para apoyar el proceso de migración de SAP Commerce a la nube pública de Microsoft Azure. Se destaca la importancia de la analítica de software y el análisis automático de código fuente para obtener datos concretos que respalden las decisiones de arquitectura, diseño y desarrollo. SAP Commerce Cloud, un producto utilizado para implementaciones de comercio en línea, presenta desafíos al ajustar y extender sus funcionalidades según las necesidades de cada cliente. Además, se menciona la falta de una herramienta automatizada que facilite la migración de SAP Commerce a la nube pública. En este contexto, se propone una estrategia que utiliza la herramienta de análisis de código fuente PMD para respaldar las migraciones a la arquitectura en la nube, y se evalúa su rendimiento a través de estudios de caso.

La presente tesis de maestría presenta la implementación en entorno simulado de una estrategia de reducción de información y localización de objetivos, basada en el procesamiento de señales acústicas submarinas usando los métodos de Matrix Pencil (MPM) y time reversal (TR). Se realiza el análisis de relación entre la reducción de datos y la confiabilidad en la reconstrucción de señal provista por MPM para señales provenientes de barcos reales, teniendo en cuenta parámetros de tiempo de procesamiento y correlación de señal. La reducción de datos se realiza con el fin de usar de manera óptima el ancho de banda de un canal inalámbrico que facilite la comunicación entre varios sensores y un nodo central, en el que posteriormente, se realiza el proceso de localización.

Una vez determinadas las características específicas de las señales y luego de la aplicación de MPM, se busca usar la información proveniente de cada sensor para calcular la localización de los objetivos usando TR.

De igual manera se evalúa la efectividad del método considerando variaciones en las características de la reconstrucción provista por MPM y teniendo en cuenta factores de ruido aleatorio presente en el proceso de propagación de señal a través del medio.

El reciente crecimiento de nuevas formas de datos educativos, ha hecho que la analítica del aprendizaje surja como una solución para identificar información relevante en la toma de decisiones educativas. Un grupo de investigaciones en analítica del aprendizaje se concentra en identificar variables del proceso de aprendizaje relacionadas con el desempeño académico de los estudiantes. Sin embargo, pocas investigaciones consideran el uso de metodologías mixtas o cualitativas, lo que limita el entendimiento sobre los comportamientos de los alumnos. El objetivo general de este trabajo es determinar las relaciones existentes entre las medidas y métricas derivadas del proceso de aprendizaje y el rendimiento académico de los estudiantes en la asignatura Programación de Computadores de la Facultad de Ingeniería en la Universidad Nacional de Colombia durante 2019 y 2020. Este trabajo propone un diseño metodológico con enfoque mixto, no experimental, donde la fase cualitativa de la metodología está enfocada hacia el análisis de contenido. Los resultados evidencian que existe una correlación positiva entre la cantidad de intentos de solución realizados por el alumno y su desempeño académico, lo que posiblemente se puede asociar a las percepciones de los estudiantes sobre la plataforma educativa utilizada en el curso como un ambiente que promueve la práctica constante debido a su disponibilidad en línea. Los errores/veredictos de las soluciones enviadas (respuesta correctas e incorrecta, límite de memoria excedido, errores de compilación y límite de tiempo excedido) también tienen correlaciones positivas, las cuales son corroboradas con las referencias de los estudiantes sobre retroalimentación formativa, consejos orientativos y casos de prueba. Métricas de software como el conteo de tokens y las líneas de código de los programas diseñados por los estudiantes tienen una correlación positiva significativa con la calificación final del alumno, lo cual se puede vincular con las referencias sobre ejercicios estimulantes y motivantes dentro de la plataforma educativa. Por otra parte, el índice de mantenibilidad tiene una correlación negativa, lo que se puede relacionar con las opiniones que resaltan la obtención de habilidades de programación. En contraste, se observan correlaciones negativas entre el uso de las herramientas de la plataforma educativa utilizada en el curso (p. ej. pruebas personalizadas, visualización de la ejecución del código y verificación de buenas prácticas de programación) con el rendimiento académico, las cuales son refutadas con las referencias de los estudiantes a estas herramientas como elementos positivos de la plataforma. En conclusión, se evidencia como el uso de métodos mixtos permite que los hallazgos de la fase cuantitativa sean corroborados, complementados o refutados por medio de las observaciones de los datos cualitativos.

La accidentalidad vial es un tema que siempre se desea minimizar, pero no se han aplicado técnicas tecnológicas para encontrar y entender el comportamiento vial según las distintas variables que intervienen. Por esta necesidad se genera un motivo de poder aportar a esta comprensión de la accidentalidad vial para así mismo apoyar en la mitigación y de este modo lograr salvar vidas. En este trabajo se encontrará desde las arquitectura y técnicas de extracción de los datos viales en la ciudad de Bogotá, hasta el análisis estadístico para poder comprender el comportamiento de este. Para poder llegar al análisis estadístico inicialmente se realizó una arquitectura autosostenible de recolección de datos viales en la ciudad de Bogotá a través de redes sociales. Al tener ya recolectada la información se procedió a su representación en una herramienta geográfica para su comprensión visual. Se procede a un análisis inicial de estos datos. Luego se aplican técnicas estadísticas geográficas para su análisis estadístico.

La enseñanza y aprendizaje en el contexto educativo ha requerido a través del tiempo de diferentes esfuerzos por parte de los estudiantes y de los docentes para que se pueda dar un proceso satisfactorio en el que se cumpla con el objetivo de garantizar un completo aprendizaje. En el aprendizaje de la programación de computadores los estudiantes se enfrentan a distintos retos, por lo que el rol del docente, en su constante búsqueda y actualización, opta por incluir estrategias innovadoras mediante el apoyo de tecnologías computacionales con el fin de facilitar la apropiación del conocimiento por parte del estudiante. Cada vez hay más estrategias educativas que integran herramientas tecnológicas de evaluación automática de tipo juez online en las metodologías de clase de programación puesto que permiten: motivar al estudiante, promover el interés en las temáticas a partir de la práctica y la competencia y mejorar el rendimiento académico. Estas integraciones en las metodologías de clase de programación han registrado a través de la literatura que sus efectos son positivos en lo que respecta a mejoramiento en rendimiento, habilidades, mejora en la lógica y la participación. Sin embargo, se evidencia una falta de estudios con el fin de determinar si la motivación, como factor de aprendizaje, se ve afectada por la intervención de herramientas de evaluación automática en las sesiones de clase. Es por esto que el presente artículo se centra en evaluar el impacto en la motivación por aprender de los estudiantes al usar una herramienta de evaluación automática de programas en la asignatura de programación de computadores. A partir de un diseño de investigación cuasiexperimental se comparó el nivel de motivación en el aprendizaje de los estudiantes del grupo experimental y de los estudiantes de un grupo control (estudiantes que cursaron la asignatura sin usar la herramienta de evaluación automática seleccionada) por medio de un pretest y postest con el instrumento MSLQ-Colombia. Adicionalmente, los estudiantes del grupo experimental respondieron una encuesta con preguntas de respuesta abierta que permitió recopilar las diferentes percepciones sobre la herramienta y la integración de este tipo de estrategias en la metodología de la clase. Los datos recolectados permitieron realizar un análisis estadístico respecto a la variación de la motivación en el aprendizaje de los grupos que participaron. Por un lado, los datos cuantitativos recopilados a través del MSLQ-Colombia no evidenciaron diferencias significativas en la motivación de los estudiantes del grupo experimental en el que se integró la herramienta de evaluación automática. Por otro lado, la información cualitativa permitió contrastar el impacto hallado en el análisis cuantitativo. Los datos de la encuesta de opinión de los estudiantes permitieron observar un aumento en los niveles de autoeficacia para el rendimiento de los estudiantes. Estos resultados permiten entender de mejor manera los efectos de la integración de herramientas de evaluación automática en la motivación por aprender de los estudiantes de programación de computadores.

La estimación de maleza es una de las tareas más importantes durante el proceso de control de maleza, pues de esta depende la estimación de costos que deberán emplearse para proteger el cultivo, por tanto este trabajo presenta el desarrollo de un método que utiliza imágenes multiespectrales capturadas por un vehículo aéreo no tripulado y redes neuronales convolucionales para realizar la estimación porcentual de maleza en cultivos de lechuga. El método presentado tiene una exactitud del 89% y un valor-F de 94% para la detección del cultivo, con un tiempo de ejecución promedio de 0.4 segundos sin GPU y una correlación de 0.57 en la evaluación de cobertura de maleza en relación con un Ph.D en malherbología. Estos resultados indican que la tarea de estimación de maleza usando CNNs es más precisa y rápida que la realizada por expertos, pero sin alejarse del conocimiento tácito el cual es importante en la estimación de costos y recursos para el control de la maleza.

En este trabajo se presenta un sistema de lectura RFID para la detección y determinación de la dirección de movimiento de etiquetas de identificación por radiofrecuencia (RFID) instaladas en vehículos. Este sistema se centra en la adaptación de tecnología de radares secundarios, específicamente, la aplicación de técnicas monopulso utilizados en SSR (Radar Secundario de Vigilancia), a la antena de lectura. La antena monopulso se integra en los lectores RFID pasivos que funcionan en la banda ISM de 915 MHz (Industrial, Scientific and Medical) para aplicaciones de Sistemas Inteligentes de Transporte (ITS).

El sistema proporciona la dirección de movimiento de un objeto que cuenta con una

etiqueta RFID instalada, así como la lectura del código único de la etiqueta, por medio de una única antena monopulso e interrogador RFID y un sistema de detección de fase que filtra las señales recibidas por la antena e identifica el cambio de polaridad en el voltaje de la señal lo que permite determinar el sentido de movimiento de la etiqueta.

El sistema se propone para aplicaciones de Sistemas Inteligentes de Transporte (ITS), de

igual manera puede ser de utilidad en procesos de control de inventarios, logística,

sistemas de seguridad y control de acceso.

El aprendizaje colaborativo asistido por computador CSCL (del inglés Computer Supported Collaborative Learning) es una propuesta educativa que busca que los estudiantes puedan alcanzar sus objetivos de aprendizaje a través de la interacción en grupo mediada por la tecnología. En el área de la programación de computadores, algunos estudios demuestran un aumento de la participación y mejores resultados en la resolución de problemas de programación por parte de los estudiantes que participan en ambientes de aprendizaje CSCL. En entornos universitarios, los cursos introductorios de programación de computadores buscan preparar a los estudiantes en la resolución de problemas a partir del uso de un lenguaje de programación; para ello, se han creado diferentes herramientas bajo el enfoque CSCL, las cuales sirven de espacios en donde los estudiantes autorregulan su aprendizaje, participan voluntariamente, discuten ideas y evalúan el trabajo de los demás. Sin embargo, según las implementaciones de software revisadas en la literatura, aún existe la necesidad de crear herramientas colaborativas no sólo en las etapas tempranas del proceso de resolución de problemas de programación, sino también durante el proceso de evaluación formativa de la resolución del problema mediante la colaboración de los compañeros. En este contexto, el objetivo de esta tesis es presentar la herramienta computacional denominada UNColab para apoyar la resolución de problemas de programación por medio de la colaboración entre estudiantes durante una etapa de evaluación por pares. Se realizó la implementación de un prototipo de UNColab, el cual fue probado durante la realización de una actividad de aprendizaje colaborativo en un curso de Programación de Computadores con 27 estudiantes de la Universidad Nacional de Colombia. Esta herramienta se desarrolló conforme a un guion de aprendizaje colaborativo, el cual permitió estructurar una dinámica de clase en dos actividades del curso; y la aplicación de la metodología de desarrollo orientada a prototipos, que facilitó la organización de cada una de las actividades de desarrollo de software. Los resultados de esta experiencia sugieren que los estudiantes perciben este tipo de herramientas como favorables en la enseñanza-aprendizaje de la programación de computadores. Además, sugirieron diferentes mejoras que podrían abrir las posibilidades a la realización de otros estudios. Por lo tanto, este trabajo contribuye al área de investigación por medio del desarrollo de una herramienta que permite apoyar la enseñanza de la programación de computadores en ambientes colaborativos. Asimismo, la validación de la herramienta en un curso de programación de computadores permite entender de una mejor manera los beneficios y retos que supone la utilización de herramientas para el aprendizaje colaborativo asistido por computador.

La enseñanza-aprendizaje de la Programación de Computadores conlleva desafíos que implican buscar nuevas metodologías de enseñanza en la que el estudiante se involucre activamente. Actualmente las metodologías relacionadas con el juego son ampliamente utilizadas por los efectos que pueden generar en aspectos como la motivación, participación, rendimiento académico y compromiso en los estudiantes. La gamificación está inmersa en dichas metodologías haciendo referencia al uso de elementos relacionados con el juego en contextos ajenos al juego. En el área de la Programación de Computadores se han realizado estudios que integran la gamificación asistida por computador en contextos académicos, con el objetivo de evidenciar los efectos reales que genera el uso de elementos relacionados con el juego en procesos formativos. Generalmente los resultados cualitativos evidencian efectos destacables en los diferentes aspectos analizados, sin embargo distintos estudios donde realizan análisis cuantitativos contradicen dichos hallazgos y exponen que integrar la gamificación no genera efectos estadísticamente significativos en aspectos evaluados como la motivación, participación, rendimiento académico, entre otros. La revisión de literatura analizada evidencia la necesidad de realizar más estudios empíricos en los que se integre la gamificación con el propósito de comprender y demostrar los efectos reales que genera en los distintos aspectos formativos. Por lo cual, esta investigación tiene como propósito encontrar el efecto que la gamificación asistida por computador genera en la motivación por aprender de los estudiantes de Programación de Computadores. Para tal fin, se diseñó y llevó a cabo un estudio cuasi-experimental en el que se integró una herramienta gamificada en la metodología de un curso de Introducción a la Programación de Computadores. A través de una revisión de literatura y un análisis comparativo se realizó la selección de CodeGym como el ambiente gamificado asistido por computador apto para la integración dentro de la metodología de la clase. A continuación, se estableció el diseño del estudio cuasi-experimental en el que se planteó la metodología de la intervención educativa y la aplicación de los instrumentos para medir el constructo motivacional por medio del cuestionario de auto-informe MSLQ-Colombia y una encuesta de percepciones dirigida a los estudiantes que participaron en el estudio. En este estudio participaron 48 estudiantes distribuidos en dos grupos de control y uno experimental, quienes fueron seleccionados mediante la técnica de muestreo no probabilístico por conveniencia. La información recolectada permitió realizar un análisis estadístico de la variación de la motivación en cada uno de los grupos participantes. La información cuantitativa obtenida mediante el MSLQ-Colombia permitió evidenciar que los estudiantes del grupo experimental en el que se integró el ambiente gamificado en la metodología de la clase, incrementaron significativamente los niveles relacionados con valoración de la tarea, atribuyendo un mayor grado de importancia, utilidad, gusto o interés hacia las temáticas expuestas en la asignatura. Los resultados reportados en esta investigación permiten comprender mejor los efectos, beneficios, y desafíos que brinda la integración de la gamificación asistida por computador en los procesos de enseñanza-aprendizaje de la programación de computadores.

La detección de accidentes de tránsito es una estrategia importante para que los gobiernos implementen políticas que reduzcan este fenómeno. Usualmente usan técnicas como procesamiento de imágenes, dispositivos RFID, y otras. La detección en redes sociales ha surgido como una alternativa de bajo costo. Sin embargo las redes sociales presentan varios retos y desafíos como uso de lenguaje informal y falta de ortografía. Este trabajo propone un método para extraer y analizar los datos de accidentes de tránsito desde Twitter. Cuatro fases componen el método. La primera fase establece los mecanismos para obtener datos. El

segundo consiste en representar vectorialmente los mensajes y clasificarlos como accidentes

de tránsito o no. La tercera usa técnicas de reconocimiento de entidades nombradas para la detección de ubicaciones. En la cuarta estas ubicaciones pasan por un geocoder que devuelve sus coordenadas geográficas. Aplicamos este método para la ciudad de Bogotá y comparamos los datos de Twitter con la fuente oficial de tránsito, las comparaciones muestran una influencia en Twitter sobre la zona comercial e industrial de la ciudad. Los resultados revelan la efectividad de los accidentes reportados en Twitter como información adicional y su uso debe considerarse como fuentes complementarias a los métodos de detección existentes.

En virtud de la gran acogida que la programación de computadores ha tenido en los últimos años tanto en la academia como en la industria, una inmensa mayoría de universidades la han incluido en sus currículos de Ingeniería. Sin embargo, la complejidad que la programación representa para muchos estudiantes producen altos niveles de deserción y pérdida de las asignaturas relacionadas con este conocimiento. Diversos autores han empleado instrumentos de autoinforme para determinar los aspectos que influyen positivamente durante el proceso de aprendizaje de la programación y que a su vez permiten lograr un aprendizaje significativo. Aunque en el marco del aprendizaje autorregulado se evidencia una gran cantidad de instrumentos que caracterizan aspectos como la motivación, no se encuentra un instrumento enfocado en la caracterización de las estrategias de aprendizaje de la programación de computadores. En ese sentido, este trabajo de investigación explora e identifica diferentes estrategias de aprendizaje con el objetivo de recopilarlas en un instrumento de autoinforme, el cual se denominó Cuestionario sobre Estrategias de Aprendizaje de la Programación de Computadores - CEAPC.

La construcción del CEAPC se logró gracias a los procesos de diseño y validación llevados a cabo a través de una metodología mixta compuesta por métodos cuantitativos, como el Análisis Factorial Exploratorio y el cálculo del coeficiente del α de Cronbach, y métodos cualitativos como los grupos focales y las entrevistas semi-estructuradas. Los resultados fueron positivos en cuanto a las propiedades psicométricas obtenidas para el instrumento, como la validez de constructo y los índices de confiabilidad. Cuenta por un lado, con ítems de cargas factoriales mayores a 0.3 y por otro lado con valores de α de Cronbach entre 0.6 y 0.8, los cuales son aceptables de acuerdo con la literatura. Cabe resaltar que este instrumento permitirá identificar las estrategias que influyen en un proceso de aprendizaje profundo de la programación de computadores y, además, dará la posibilidad de determinar el rol que desempeña la autorregulación en el aprendizaje en esta área en particular. Así mismo, la caracterización de las estrategias de aprendizaje autorregulado, llevada a cabo a través del instrumento propuesto, permitirá plantear modos de aprendizaje fuera y dentro del aula.

The quality of the software is an important aspect, mainly due to its relation to the future costs associated with the maintenance of the product. In order to quantify the quality, software quality metrics are used, which are a set of measures used to estimate the quality of a software project. Taking into account that the quality of the software must evaluate several aspects, and that it must be measured in the same way for all, standards have been created that provide a guide to the process to be carried out. As of 2019, the standard that is the family of ISO/IEC 25000 standards, whose objective is to create a common framework to assess the quality of a software product considering 8 characteristics: functional adequacy, performance, compatibility, usability, reliability, security, maintainability, and portability. The maintainability feature has a high impact on the total costs of software projects, consuming between 40% and 80% of the total cost of the life cycle of a software product. Additionally, within the Maintenance work, developers spend approximately 70% of the time trying to understand the source code, so being able to measure the readability of a code snippet could help estimate the effort required for a maintenance activity. The readability of software is defined as the degree of ease with which a person can read and understand a piece of source code, written by another person.

Despite the efforts and research in the area of readability of the software, there is still no definitive model to assess the level of readability of a fragment of source code in real time. Therefore, it is essential to continue research in the area, but for this, it is necessary to know the studies that exist to date on the legibility of software, identifying the characteristics and metrics proposed to measure it, the models that allow automatic evaluation, the applications they have in the area of software and the challenges that future researchers must face.

This final master's work presents a synthesis and analysis of software readability metrics. For this, a systematic review of the literature of works related to the readability of the source code was carried out, presenting a compilation of the main characteristics and the methods used for its measurement. The result of this work aims to serve as a basis for other researchers to propose new readability metrics, and subsequently, to develop strategies that are integrated into integrated development environments (IDEs) to measure and alert on the readability of the source code in time developmental.

This work presents a framework for vehicle counting from videos, using deep neural networks as detectors. The framework has 4 stages: preprocessing, detection and classification, tracking, and post-processing. For the detection stage, several deep object detector are compared and 3 new ones are proposed based on Tiny YOLOv3.

For the tracking, a new tracker based on IOU is compared against the classic ones: Boosting, KCF, TLD, Mediaflow, MOSSE and CSRT. The comparison is based on 8 multi-object tracking metrics over the Bog19 dataset.

The Bog19 dataset is a collection of annotated videos from the city of Bogota. The annotations include bicycles, buses, cars, motorbikes and trucks. Finally, the system is evaluated for the task of vehicle counting on this dataset.

For the counting task, the combinations of the proposed detectors with the Medianflow and MOSSE trackers obtain the best results. The founded detectors have the same performance as those of the state of the art but with a higher speed.

The study of the factors involved in traffic accidents and mobility is a topic of great interest.

Since they affect the daily lives of the inhabitants of each large city. Public events, such as

concerts and sporting events, can have a major impact, due to the existence of an

increased risk of accidents in public agglomerations. This study seeks to analytically identify

the relationship between public events and traffic accidents, using data extracted from web

pages about public events held in the city of Bogota between September 2018 and July

2019. With regard to the case of traffic accidents, information was obtained from the Waze

application.

To understand the relationship between public events and accidents, a space-time analysis

for public events and traffic accidents using a variety of geostatistical techniques, a

geographic information system (GIS) and a spatial database was proposed. Among the

results obtained is the variety of the occurrence of accidents in terms of the presence or

absence of public events. The different analyses take into account the time frame of the

occurrence of the events, as well as the distance between the accident and the place of

occurrence of the Public event. Some spatial clustering techniques such as the Moran index

were used to obtain results, nearest neighbour index for the analysis of identification of

concentration or dispersion patterns and statistical methods characterising accident

behaviour.

El desarrollo del proyecto de investigación se realizó de la siguiente forma: Revisión del estado del arte con respecto a las arquitecturas actuales de los Sistemas Inteligentes de Transporte que están o se han implementado para determinar la posible solución con respecto a la medición de la velocidad media de tráfico de la ciudad. Se realiza una revisión bibliográfica con respecto a la medición de velocidad vehicular en las ciudades para posteriormente plantear una arquitectura que cumpla con los requisistos para medir velocidad media vehicular de forma satisfactoria. Después de plantear la arquitectura general del proyecto, se procede a desarrollar el prototipo tanto en hardware y software. Después del desarrollo del prototipo se realiza la validación del sistema propuesto, se caracteriza distancias, velocidades de detección y errores en la medición para corroborar que el sistema propuesto cumple con los requisitos mínimos para una aplicación SIT. Finalmente se realiza una prueba en campo donde se valida la operación total del sistema. Allí se diagnostica el comportamiento de velocidad media vehicular en un punto específico de la ciudad de Bogotá.

Tensors, an extension of arrays, are widely used in a variety of programming tasks. Tensors are the building blocks of many modern machine learning frameworks and are fundamental in the definition of deep learning models. Linters are indispensable tools for today's developers, as they help the developers to check code before executing it. Despite the popularity of tensors, linters for Python that check and flag code with tensors are nonexistent. Given the tremendous amount of work done in Python with (and without) tensors, it is quite baffling that little work has been done in this regard. Abstract Interpretation is a methodology/framework for statically analysing code. The idea of Abstract Interpretation is to soundly overapproximate the result of running a piece of code over all possible inputs of the program. A sound overapproximation ensures that the Abstract Interpreter will never omit a true negative, i.e.~if a piece of code is not flagged by the Abstract Interpreter, then it can be safely assumed that the code will not fail. The Abstract Interpreter can be modified so that it only outputs true positives, although losing soundness, i.e.~the interpreter can flag which parts of the code are going to fail no matter how the code is run. In this work, we specify a subset of Python with emphasis on tensor operations. Our operational Python semantics is based on The Python Language Reference. We define an Abstract Interpreter and present its implementation. We show how each part of the Abstract Interpreter was built: the Abstract Domains defined and the abstract semantics. We present the structure of Pytropos, the Abstract Interpreter implemented. Pytropos is able to check NumPy array operations taking into account broadcasting and complex NumPy functions as \texttt{array} and \texttt{dot}. We constructed 74 unit test cases checking the capabilities of Pytropos and 20 property test cases checking compliance with the official Python implementation. We show what and how many bugs the Abstract Interpreter was able to find.

La integración de metrología en programas como el de ingeniería electrónica de la Universidad Nacional de Colombia sede Bogotá es importante por su relación con el desempeño del egresado. Por tanto, la evaluación de la articulación de contenidos metrológicos se hizo a través de la construcción de una estructura general (4 fuentes consultadas), la búsqueda de los conceptos de tal estructura dentro de 12 asignaturas seleccionadas, y la comparación cognitiva de éstos (usando taxonomía de Bloom) con los requerimientos de expertos en industria, estado y academia. A partir de los conceptos hallados, se aplicó un DOFA que permitió tanto la construcción de matrices de estrategias para cada sector consultado como una matriz general. La estructura general contó con 5 ejes y 290 conceptos: aproximadamente 47% fueron hallados y cerca de un 18% están articulados adecuadamente en las asignaturas evaluadas (al nivel o por encima de las sugerencias de los expertos). Con DOFA, se destacaron ciertos elementos que el programa podría considerar: integración de un mayor número de contenidos prácticos, conocimiento más profundo de las necesidades de los sectores a través de la consulta a expertos, y reconocimiento de áreas como calidad, metrología industrial y calibración como ejes requeridos por la sociedad. En definitiva, surge una preocupación relativa a la falta de cooperación entre los sectores importantes para metrología, y esto puede ser una amenaza o una oportunidad de mejora que el programa de ingeniería electrónica no debería ignorar en su papel como ente formador.

Source code repositories store data from software products. Among this data we can find the evolution of the source code, requirements, bugs and communication between developers. Source code repositories have been growing rapidly in the recent years andwith them the need of extracting information from them. An interesting source code repository that is growing both in usage and information is Stack Overflow (SO), this web site provides one of the biggest Question Answering places used by thousands of developers everyday. In SO the developers can ask any question related to a programming issue and it will be answered by other users. We can find a source code repository with both source code and natural language with thousands of samples and the possibility of combining both sources of information to extract useful and not eye-noticeable information from it. In this thesis, we explore how to represent source code and natural language and how to combine these representations. We try to solve the task of understanding how users in SO talk about the programming language, how similar these programming languages are among them based on how users talk about them, and finally, we provide tools on the building of an information retrieval strategy by identifying duplicated post.

In this document, an in-depth analysis is carried out that will allow us to know the importance of livestock identification, giving rise to a term that is currently well known, such as the internet of things, applied to the control of livestock mobility focused on rural areas of Colombia, through the identification by RFID in low frequency. With the result obtained from this research, a model applicable to the meat sector is established, building a business opportunity, thus expanding the markets to international trade, promoting not only the country's economic development in the agricultural sector, but also applying technology to the same sector.

Calificar código fuente es una tarea que cada instructor de programación debe enfrentaren su día a día. Esta tarea conlleva varios retos entre ellos la cantidad de código a calificar,la dificultad de la tarea propuesta, entender cómo cada estudiante está intentando resolverla tarea y proveer realimentación para garantizar una aprendizaje de calidad. Esta tarea no solo es relevante en contextos académicos, por ejemplo en la industria, calificar efectiva-mente código fuente es crucial en el proceso para contratar al programador adecuado para una vacante. En este trabajo, proponemos una modificación al proceso regular de calificar código agregando un componente automático (o por lo menos semi-automático) para ayudara un instructor de programación en esta tarea. Nuestra propuesta incluye una rúbrica para calificar código fuente, la construcción de un data set, la extracción y el análisis del código;para finalmente mostrar nuestra solución al problema de calificar código fuente de manera automática resolviendo la tarea como un problema de clasificación.

Abstract: Last years developers became interested in competitive programming, producing the burst of online platforms which design competitions, where a set of programming problems should be solved. People realize this format is also useful for recruiting and training purposes. As developers participate in contests they gain points and are classified in rankings, according to the performance they exhibit in each competition. Today, these ranks are analogous to reputation systems since they indicate the programmers’ expertise. In this thesis dissertation, it is explored the relationship between this reputation and source code features, extracted via source code analysis, of the solutions sent by participants. The aim of this research is to find a set of features, classified into categories lexical, syntactic, quality and readability, which are shared by developers in the same level of knowledge. These features allow us to build a model to predict the programmers’ expertise, considering two classes to divide the developers, who can be assigned to beginners or advanced. In that sense, an experiment was designed to create a classifier model to accomplish that task. Overall, the results look promising, achieving an approximate accuracy of 80 %, and having the lexical features as the most relevant for the model.

Vehicular flow is an important measurement to design mobility strategies in cities such as traffic light configuration, civil engineering works, and others. This variable can be determined through different manual and automatic strategies. However, some street intersections, such as traffic circles are difficult to determine their origin-destination matrix. In the case of manual strategies, it is difficult to count every single car in a mid to large-size traffic circle. On the other hand, automatic strategies can be difficult to develop because it is necessary to detect, track and count vehicles that change its position inside an intersection. This chapter presents a vehicle counting method to determine origin-destination matrix for traffic circle intersections, using two main algorithms, ”Viola-Jones”for the detection and . O n-line Boosting”for the tracking. The method is validated with an implementation applied to a top view video of a traffic circle. The video is also processed manually and finally the comparison between both results is presented.

El muestreo convencional de la cobertura ha sido una de las metodologías más usadas para cuantificar poblaciones de malezas, Sin embargo, presenta una limitación que es la subjetividad o los sesgos entre los evaluadores. Para esto se propone la creación de un software que por medio de procesamiento de imágenes multiespectrales permita calcular coberturas de maleza en áreas determinadas por el usuario. Este sistema está basado en algoritmos de clustering y máquinas de soporte vectorial que calculan el área de pıxeles detectados como componentes de maleza para obtener un porcentaje de cobertura dentro de una región de interés. Finalmente, a partir de estos datos se construyen modelos que permitan ser instalados en un sistema embebido como el Raspberry Pi que se desempeñarían como unidades centrales de un sistema autónomo con la posibilidad de realizar tareas de manera autónoma como por ejemplo la aplicación de herbicidas. Este trabajo se validó a través de expertos en malherbología que estimaron malezas visualmente y se compararon con los resultados del software, los resultados de las estimaciones humano software entregaron desviaciones estándar de hasta el 24 % entre evaluadores y software lo que da a entender que existe una diferencia muy elevada entre personas y puede impedir una evaluación precisa dentro de un muestreo de malezas sin la ayuda de herramientas tecnológicas, este tipo de información fue analizada con pruebas estadísticas. Por otro lado, se construyeron modelos de clasificación de cultivos y maleza por medio que máquinas de soporte vectorial que entregaron resultados satisfactorios con precisión superior al 90 %. Por último, se realizaron pruebas del software en un experimento agronómico real en donde se calculan coberturas de maleza dentro de un cultivo de arveja para evaluar eficacia de herbicidas, la evaluación se realizó 3 veces cada 12 días para poder obtener la cobertura de maleza alrededor del cultivo bajo los efectos de herbicidas diferentes.

Este documento presenta el proceso de diseño de un algoritmo de análisis de tráfico a través de procesamiento digital de imágenes, enfocado a la detección, seguimiento y clasificación de vehículos en vías urbanas, para realizar la medición de volumen de tráfico. Se realizó un estado del arte, a partir del cual se seleccionó un conjunto de algoritmos a probar para cada una de las secciones descritas. A partir de éstas pruebas se seleccionó un clasificador en cascada con características HAAR para la detección de carros y motocicletas de forma independiente, un filtro de Kalman para el seguimiento, y clasificación por color para taxis y una red neuronal convolucional (CNN) para clasificar los demás vehículos en bus, microbus, minivan, sedan, SUV y camión. La detección y conteo de carros de forma general y motocicletas presentó una precisión de alrededor del 95% en un condiciones climáticas promedio, y disminuyó alrededor del 75% con sol excesivo o al acercarse la noche. La detección de taxis entregó precisiones cercanas al 90% con la luz del día, disminuyendo al 66% al acercarse la noche. La clasificación detallada realizada por la CNN presentó precisiones promedio entre el 70% y el 80%, cambiando de igual manera por las condiciones de clima y luz. El costo computacional del algoritmo es lo suficientemente bajo como para ser implementado en un sistema embebido de bajo costo, permitiendo realizar procesamiento de forma local.

Psychology and computer science are two scientific disciplines that focus on identifying the particular characteristics of information processing. The first in the human being and the second in the construction of a technical tool that seeks to emulate the brain: the computer. That is why psychology is strongly tied to the moment for people to choose their passwords. Deceptive advertising often compensates (through money, products and free services or other self-esteem tests) to influence a product or service to appear on your social network. In order to increase its consumption among its followers and also to take personal information without your consent. Due to the increase of the use of social networks, our social engineering strategy can efficiently and effectively show that security is subjective and that a significant percentage of users are vulnerable to deceptive advertisement through the internet. This project is based on the need to prevent attacks of information subtraction by obtaining/decrypting the keys of access or in the worst case obtain directly their passwords to the different web services, bank accounts, credit cards of individuals, based on the information that people exposed or share on their social networks. This paper also examines how attackers could obtain/decipher their passwords based on personal information obtained from deceptive advertisements implemented through a social network. The advantage of this approach also shows the user password composition providing a better vision of how hackers use the psychology applied to information security.

Este documento presenta el diseño y validación de un framework para Internet de las Cosas (IoT por sus siglas en ingles) basado en tecnología de identificación por radiofrecuencia (RFID por sus siglas en inglés). El diseño parte de una revisión del estado del arte sobre tecnologías utilizadas en aplicaciones IoT. A continuación y aplicando la metodología en V [1], típica en proyectos de investigación, se describe cada etapa del diseño compuesto por módulos de hardware y software. Finalmente, el framework desarrollado es validado aplicándolo en la monitorización de temperatura en alimentos.

Abstract. To increase the success in computer programming courses, it is important to understand the learning process and common difficulties faced by students. Although several studies have investigated possible relationships between students performance and self-regulated learning characteristics, little attention has been given the source code produced by students in this regard. Such source code might contain valuable information about their learning process, specially in a context where practical programming assignments are frequent and students write source code constantly during the course. This poses the following research questions: What is the relationship between the characteristics of students source code and their performance in a computer programming course?. What is the relationship between source code features and self-regulated learning characteristics (i.e., motivation and learning strategies) in a computer programming course?. How the source code and self-regulated features can predict the students' performance? In order to answer these questions, a strategy to support the correlation analysis among students performance, motivation, use of learning strategies, and source code metrics in computer programming courses is proposed. A comprehensive case study is presented to evaluate the strategy. Additionally, an automatic grading tool for programming assignments was used, which facilitated to obtain the source code of the participants for further automatic source code analysis. Moreover, self-regulated learning characteristics were collected using the Motivated Strategies for Learning Questionnaire (MSLQ). Results show that the main features from source code which are significantly related to students performance and self-regulated learning features are: length-related metrics, with mainly positive correlations; and Halstead complexity measures, correlated negatively. In the light of the findings of this study, it is possible to understand better students source code as an artifact that can be used to monitorize several characteristics related to self-regulated learning, course performance, and in general, their learning process. In this way, more research in the area is required to verify if these relationships could give to computing educators new ways to identify and help students with problems.

Las actividades del ciclo de vida del desarrollo de software (o SDLC por sus siglas en ingl´es) incluyen: an´alisis de requisitos, dise˜no de modelos, desarrollo, pruebas y mantenimiento. Las tareas tempranas de este ciclo (an´alisis de requisitos y dise˜no) tienen un amplio impacto en el ´exito del proyecto y por esto es fundamental que se lleven a cabo de una forma correcta. Estas actividades por supuesto est´an incluidas en el proceso de desarrollo de sistemas de informaci´on de procesamiento de transacciones. Estos sistemas de informaci´on son una de las maneras de generar valor desde la informaci´on producida en una organizaci´on. Adem´as, dan pie para generar sistemas de informaci´on de mayor complejidad y tambi´en permiten mejorar los procesos de toma de decisiones en las organizaciones. Sin embargo, los errores en las etapas tempranas del desarrollo de software son bastante comunes. Estos errores pueden llevar a dificultades a nivel de presupuesto y calendario en los proyectos de desarrollo de software, inclusive, a fracasos totales. Por esta raz´on, en esta tesis se propone dise˜nar, desarrollar y evaluar una metodolog´ıa para el prototipado autom´atico de sistemas de informaci´on transaccionales desde una especificaci´on en lenguaje natural restringido. Lo cual busca mejorar los procesos de an´alisis de requisitos y dise˜no de modelos puesto que permitir´ıa validar r´apidamente la funcionalidad del software, y as´ı, facilitar la detecci´on de errores y por ende su correcci´on temprana durante el desarrollo del proyecto. Para esto, en esta tesis se propone una metodolog´ıa de prototipado r´apido basada en un lenguaje natural restringido. Para crear este lenguaje natural restringido se usan como insumo dos lenguajes de especificaci´on populares: BPMN (Business Process Modeling Notation) y E-R (Entity - Relationship). Adem´as, para la generaci´on del prototipo funcional, se usar´an t´ecnicas de generaci´on de c´odigo fuente guidas por la sintaxis de este lenguaje. Como resultados de esta tesis, se llevaron a cabo dos implementaciones de la herramienta de generaci´on de c´odigo fuente. Adem´as, se presentan tres casos de estudio que permiten validar la aplicabilidad y efectividad de la metodolog´ıa propuesta: “Question cycle”, “Email Voting” y “Odoo clone”.