http://localhost:8080/xmlui/handle/123456789/1244 2026-05-04T14:30:01Z http://localhost:8080/xmlui/handle/123456789/1350 Título : Sistema de reconocimiento de matrículas para identificación de vehículos con mora utilizando IA. Autor : Gamarra Silvero, Faisán Amin; López López, Ruth Maribel; Gómez Ortega, Aldo Ariel Resumen : El presente trabajo aborda la problemática de la morosidad en el sector automotriz paraguayo, caracterizado por la ausencia de sistemas tecnológicos eficientes para identificar vehículos en situación irregular. Como solución, se desarrolló un sistema Reconocimiento Automático de Matrículas (ANPR) basado en Inteligencia Artificial (IA), orientado a optimizar la gestión de cobros y la recuperación de activos. El estudio corresponde a una investigación aplicada, de enfoque mixto y diseño no experimental transversal. La metodología incluyó la recolección y etiquetado de imágenes reales de matrículas paraguayas y del MERCOSUR. El modelo se entrenó con el 80% del conjunto de datos (1622 de 2028 imágenes) y se válido con el 20% restante (406 imágenes), utilizando YOLOv8 para la detección de placas y EasyOCR para el reconocimiento de caracteres. El desempeño se evaluó mediante las métricas mAP@0.5, F1-score y CER. El sistema se implementó localmente en una aplicación web responsiva, vinculada a una base de datos corporativa. Durante la validación se obtuvo un mAP@0.5 del 99.5% y un CER del 16.86 %. Los errores se concentraron en imágenes borrosas o con matrículas deterioradas. La implementación piloto permitió reducir errores humanos, disminuir costos operativos y mejorar la eficiencia del control financiero, demostrando la viabilidad de integrar Visión por computadora (CV) e IA en los procesos de control vehicular regional. 2025-01-01T00:00:00Z http://localhost:8080/xmlui/handle/123456789/1349 Título : Estudio de Patrones Demográficos en el Uso de Métodos Anticonceptivos en la Región Central de Paraguay (2019-2023) mediante Minería de Datos Autor : Rivero Pérez, Milena Mireya Monserrat; Echeverría González, Elías Daniel; Bobadilla, Gabriela Resumen : La era digital ha impulsado la generación de volúmenes masivos de datos, lo que ha permitido el desarrollo de técnicas como la de minería de datos (MD) para extraer información útil que oriente la toma de decisiones. En el ámbito de la salud pública, estas técnicas se han consolidado como herramientas de gran utilidad. La salud reproductiva, en particular en países en vías de desarrollo, constituye un factor esencial para mejorar la calidad de vida, siendo la anticoncepción un elemento clave al permitir la planificación y prevención de embarazos no deseados. Este estudio tuvo como objetivo analizar patrones en el uso de métodos anticonceptivos entre diferentes grupos demográficos de la región central de Paraguay durante el período 2019-2023, mediante el uso de técnicas de MD. Se adoptó la metodología de Descubrimiento de Conocimiento en Bases de Datos (KDD). La base inicial contenía 160.000 registros de pacientes de una clínica especializada en planificación familiar; tras los procesos de limpieza y transformación de datos, se obtuvieron 12.005 registros válidos. Con ellos se aplicaron algoritmos de agrupamiento (K-means), reglas de asociación (Apriori) y tabulación cruzada. Los resultados revelaron perfiles diferenciados: mujeres jóvenes de 18 a 24 años, solteras y usuarias de métodos modernos y reversibles; mujeres mayores de 25 años en adelante, casadas y con predominio del uso de anticonceptivos hormonales; y mujeres separadas, con menor utilización de métodos efectivos. También se identificaron asociaciones relevantes, como la mayor frecuencia de uso de métodos hormonales en mujeres con formación universitaria y la preferencia por métodos de barrera en aquellas en unión libre. Asimismo, se evidenciaron desigualdades territoriales y educativas en el acceso a los servicios de planificación familiar. Estos hallazgos permiten comprender mejor el comportamiento reproductivo de distintos grupos poblacionales y subrayan la necesidad de estrategias con enfoques diferenciales y equitativos. La hipótesis fue confirmada, la minería de datos se consolida como una herramienta eficaz para analizar grandes volúmenes de información clínica e identificar patrones, con lo que genera evidencia útil que apoye el diseño de políticas públicas en salud reproductiva y educación sexual. 2025-01-01T00:00:00Z http://localhost:8080/xmlui/handle/123456789/1348 Título : Minería de Datos para Identificar Patrones de Estilos de Aprendizaje Autor : Gómez Ferloni, Liz Antonela; Bobadilla, Gabriela Resumen : La Minería de Datos (MD) constituye una herramienta eficaz para el análisis de grandes volúmenes de información y ha encontrado amplias aplicaciones en diversos ´ámbitos, entre ellos, la educación. El problema central abordado en este estudio radica en la falta de información disponible para los docentes acerca de los estilos de aprendizaje de sus estudiantes, lo que dificulta la implementación de estrategias de enseñanza efectivas y personalizadas. El objetivo de la investigación fue identificar los estilos de aprendizaje de estudiantes de educación media, basándose en el modelo de Kolb; Divergente, Asimilador, Convergente y Acomodador, con el fin de proporcionar una base informativa que permita a los docentes diseñar estrategias de enseñanza adaptadas a las características de sus alumnos. Se aplicó la metodología de KDD (Descubrimiento de Conocimiento en Bases de Datos), bajo un enfoque mixto. Se recolectaron 569 registros mediante el cuestionario de Kolb, aplicado a estudiantes del Colegio Nacional EMD Tacurú Pucú, pertenecientes al nivel medio de los turnos tarde y noche. Tras los procesos de limpieza y transformación, se obtuvieron 502 registros válidos. Sobre esta base, se implementaron técnicas descriptivas de MD utilizando los algoritmos de agrupamiento K-means y Jerárquico, con el propósito de clasificar a los estudiantes según sus estilos de aprendizaje. Asimismo, se aplicó el algoritmo Apriori para identificar reglas de asociación entre los estilos, el sexo y la modalidad de bachillerato. Los resultados evidenciaron que el estilo Convergente fue el predominante en la muestra. Sin embargo, se observaron diferencias significativas entre segmentos: el estilo Acomodador se destacó en el Bachillerato Técnico, mientras que los estilos Asimilador y Divergente fueron más frecuentes en varones y mujeres, respectivamente, del Bachillerato Científico. En conclusión, la aplicación de la MD se demuestra como una técnica robusta y eficaz para el descubrimiento de patrones de aprendizaje, confirmando la hipótesis del estudio y aportando información valiosa para la toma de decisiones pedagógicas informadas que optimicen el proceso de enseñanza - aprendizaje. 2025-01-01T00:00:00Z http://localhost:8080/xmlui/handle/123456789/1347 Título : Detección de lesiones en la piel con el Aprendizaje Profundo. Autor : Benítez Centurión, Sofia Araceli; Portillo Anzoategui, Aida Estefany; Bobadilla, Gabriela; Ayoroa, Rene Resumen : El presente Trabajo Final de Grado aborda el problema de la detección temprana de lesiones cutáneas, especialmente melanomas, una forma agresiva de cáncer de piel donde la identificación precoz es crucial para el éxito del tratamiento. El objetivo principal de esta investigación fue desarrollar un sistema automatizado capaz de identificar lesiones cutáneas mediante el análisis de imágenes médicas, buscando optimizar la precisión y rapidez del diagnóstico. La metodología empleada incluyó el diseño de un modelo de aprendizaje profundo especializado en el reconocimiento de patrones característicos en imágenes, el cual fue entrenado y validado con una base de datos desglosada y la colaboración de dos expertos médicos. Los resultados obtenidos durante el entrenamiento alcanzaron una precisión del 98 %, un recall del 96% y un F1-Score promedio del 98% en la identificación de melanomas. 2025-01-01T00:00:00Z