Search

El presente estudio de investigación tuvo como objetivo determinar de qué manera el uso de las TIC’s audiovisuales influye en el proceso de aprendizaje en estudiantes de fotoperiodismo de la Universidad Jaime Bausate y Meza, Jesús María, 2018. Esta investigación aborda la problemática de los estudiantes frente a la falta de estímulo con recursos audiovisuales que se evidenciará a través del cambio positivo en la elevación de sus calificaciones. La investigación tuvo un diseño cuasi experimental con GE y GC, el método usado fue de enfoque cuantitativo. La población estuvo conformada por 90 estudiantes, cuya muestra fue de 60 estudiantes, siendo un muestreo no probabilístico, por conveniencia en grupos equivalentes. La técnica utilizada para esta investigación fue la encuesta y el instrumento un cuestionario de 20 ítems para la primera variable; que fueron validados por tres expertos. La confiabilidad del instrumento se efectuó a través de la prueba Kuder Richardson 20 (KR-20) porque las respuestas son dicotómicas (correcta – incorrecta) con puntuaciones 1 y 0. Sometido el cuestionario al estudio piloto, el índice de confiabilidad obtuvo un puntaje equivale a 0,77 lo cual indica que presenta una fuerte confiabilidad. Asimismo se empleó el estadístico Rho de Spearman para la comprobación de hipótesis. En cuanto a los resultados obtenidos se observa que el valor de la zc se encuentra por encima del nivel crítico, donde zc < zt (-8,559 < - 1,96) con un grado de libertad de 29 y el p = 0,000 es < α = 0,05 lo cual permite rechazar la hipótesis nula y aceptar la hipótesis alternativa, entonces: el uso de TIC’s audiovisuales influye de manera significativa en el aprendizaje de fotoperiodismo en estudiantes de la Universidad Jaime Bausate y Meza, Jesús María, 2018. Lima Norte Escuela de Posgrado Evaluación y aprendizaje

En este trabajo, se utiliza un modelo numérico tridimensional eficaz y confiable, de un ensamble tornillo-tuerca con las características geométricas reales de un espécimen comercial, diseñado a través del software ANSYS y discretizado con elementos finitos, a fin de estudiar el comportamiento del ensamble como consecuencia de la precarga, o carga presente al final del proceso de apriete. La precarga se impone como un conjunto de condiciones de contorno, a manera de desplazamientos, bajo el supuesto de una situación de apriete que solo produce desplazamientos en la dirección axial (eje del tornillo). Mediante un análisis estructural estático no lineal, se estudia la distribución de los esfuerzos por medio de la raíz de la rosca helicoidal. Se encuentra que los esfuerzos no se distribuyen uniformemente en la raíz de las roscas en contacto, como suele ocurrir en un modelo con geometría axisimétrica; así mismo, se predice la cantidad de precarga que el ensamble puede soportar antes de que el material entre en el régimen de deformación irreversible (fluencia) y, posteriormente, empiece a fallar. La eficiencia y confiabilidad del modelo usado en este estudio, se ponen de manifiesto en la precisión de la geometría helicoidal de las roscas en el tornillo y la tuerca, la adecuada elección de las superficies de las roscas en contacto, el patrón de malla y los elementos finitos hexaédricos de alto orden que se usan; estos elementos también se reflejan en la coincidencia de la distribución de esfuerzos en la raíz de la rosca. En este análisis, dichos esfuerzos fueron encontrados mediante los resultados de trabajos teóricos o experimentales existentes en la literatura.

Se indica cómo manejar una gran base de datos consistente de series temporales no lineales, aplicando distintas técnicas de modelamiento no lineal a estas series. Aunque no existen guías explícitas de manipulación de series temporales no lineales en la profusa bibliografía actual, existen diferentes enfoques que pueden ser tomados en cuenta. Para ello se estudió una base de datos mensual correspondiente a datos del Fenómeno del Niño (ENSO), entre los años 1866 y 2006. Se explica cómo debe manipularse esta base de datos que poseen características de no linealidad, la cual será usada para hacer pronósticos varios pasos en adelante. Se aplicaron dos test estándar: Información Mutua Promedio (AMI) y Falsos Vecinos más Cercanos (FNN). Se obtuvo el espaciamiento óptimo de los datos, así como el número de datos hacia atrás necesarios para pronosticar valores hacia el futuro. Luego, se diseñaron varios modelos de redes neuronales artificiales (RNA), con diferentes reglas de aprendizajes, funciones de transferencia, elementos de procesamiento (o neuronas) en la capa escondida, etc., que permitieron hacer pronóstico de hasta 20 pasos en adelante. Las mejores redes correspondieron a aquellas que poseían como regla de aprendizaje la Regla Delta y la Regla Extendida, con función de transferencia sigmoide y tangente hiperbólica. El tipo de RNA usada fue una de multicapas alimentada hacia adelante y entrenada mediante la técnica de propagación hacia atrás. Se probaron redes con una, dos capas ocultas y sin ninguna capa. El mejor modelo que se obtuvo resultó ser uno consistente de una capa oculta. We indicate how to handle a large database consisting of nonlinear time series, applying different nonlinear modelling techniques to this kind of times series. Nowadays in the current references there is no explicit guide of how to manipulate data from nonlinear time series; however, there are approaches that can be taken account. To this end we studied a monthly database corresponding to South Oscillation Index (SOI) and between the years 1886 to 2006. It explains how there must manipulated this database whose data possess nonlinear characteristic, which will be used to do forecasts several steps ahead. Two standard tests to this database were applied, the Average Mutual Information (AMI) and the False Nearest Neighbours (FNN). The optimal spacing of the information was obtained as well as the number of values backward necessary to predict values towards the future. Then, several models were designed of artificial neural nets (ANN), with different learning rules, function of transfer, elements of process (or neurons) in the hidden layer, etc., that allowed to do forecasting of up to 20 steps ahead. The best networks were those that possessed the rules of learning called extDBD and Delta-Rule, and sigmoid as well as hyperbolic tangent as function of transfer. The type of used network was one of feedforward multilayer perceptron and trained by means of backpropagation technique. Networks were proved by one, two hidden layers and without any hidden layer. The best model that was obtained it turned out to be one that consisted with an alone hidden layer.

Considerando que el material particulado fino PM2.5 acapara actualmente el interés de los organismos encargados de proteger la salud de la población, hemos analizado la predictibilidad de las series temporales de dicho contaminante medidas en cuatro estaciones de monitoreo de la ciudad de Santiago entre los años 2001 y 2007. Se evaluaron diversos parámetros propios del análisis de series temporales no lineales como tiempo de rezago, la dimensión de encaje, los exponentes de Lyapunov y de Hurst, la dimensión de correlación y la de capacidad, así como la función de autocorrelación. Se encontró que las series en estudio tienen un comportamiento caótico y que una predicción en base a la información contenida en ellas sólo es posible para unas pocas horas hacia el futuro. Con los valores calculados de tiempo de rezago y dimensión de encaje se implementaron 3 modelos predictivos: un modelo de regresión lineal, una red neurona¡ de multicapas y un modelo de persistencia. Se encontró que el modelo MLP con una capa oculta fue el que mejor pronosticó la concentración de PM2.5 seis horas hacia el futuro. Sin embargo, de acuerdo a lo esperado, el error promedio fue relativamente alto. Con la idea de mejorar la calidad de la predicción y desarrollar un modelo que pueda ser utilizado como una herramienta operacional en la gestión ambiental se agregaron variables meteorológicas medidas y pronosticadas como input Apuntando a pronosticar tanto el valor numérico de la concentración de PM2 5 como su clase dentro de rangos predefinidos, en este caso se compararon tres tipos de modelo: un algoritmo de cluster, un modelo lineal y una red neurona¡ tipo M1-P. Se encontró que para valores extremos, el algoritmo de cluster (llamado HCA) es el más preciso. Finalmente se propuso una mejora al pronóstico de PM 25 , al incluir concentraciones de CO como input, lo cual es una manera de tomar en cuenta el efecto de las fuentes móviles. Doctor en Ciencias Mención en Física TERMINADA PFCHA-Becas 147p. PFCHA-Becas

Se diseñó una red neuronal artificial (RNA) para hacer predicciones de valores de concentraciones horarias de material particulado fino en la atmósfera. El estudio está basado en los datos de tres años de series de tiempo de pm2.5 (material particulado suspendido de 2,5 micrones de diámetro), obtenidos en una estación céntrica de la Red MACAM de la ciudad de Santiago de Chile, entre los años 1994 y 1996. Para obtener el espaciamiento óptimo de los datos, así como el número de datos hacia atrás necesarios para pronosticar el valor futuro, se aplicaron dos test estándar usados en estudio de sistemas dinámicos, como Información Mutua promedio (AMI) y Falsos Vecinos más Cercanos (FNN). De esta manera se encontró que lo más conveniente era considerar como entrada los datos de PM2.5 cada seis horas durante un día (cuatro datos), y en base a ellos predecir el dato siguiente. Una vez fijo el número de variables de entrada y elegida la variable a pronosticar, se diseñó un modelo predictivo basado en la técnica de RNA. El tipo de modelo de RNA usado fue uno de multicapas, alimentado hacia adelante y entrenado mediante la técnica de propagación hacia atrás. Se probaron redes sin capa oculta y con una y dos capas ocultas. El mejor modelo resultó ser con una capa oculta, a diferencia de lo obtenido en trabajo anterior que reportaba que la red sin capa oculta era más eficiente. Los resultados fueron más precisos que los obtenidos con un modelo de persistencia (el valor en seis horas más será el mismo que el actual). An artificial neural network for the forecasting of concentrations of fine particulate matter in the atmosphere was designed. The data set analyzed corresponds to three years of pm2.5 time series (particulate matter in suspension with aerodynamic diameter less than 2,5 microns), measured in a station that belongs to Santiago's monitoring network (Red MACAM) and is located near downtown. We consider measurements of concentrations between May and August for years between 1994 and 1996. In order to find the optimal time spacing between data and the number of values into the past necessary to forecast a future value, two standard tests were performed, Average Mutual Information (AMI) and False Nearest Neighbours (FNN). The results of these tests suggest that the most convenient choice for modelling was to use 4 data with 6 hour spacing on a given day as input in order to forecast the value at 6 AM on the following day. Once the number and type of input and output variables are fixed, we implemented a forecasting model based on the neural network technique. We used a feedforward multilayer neural network and we trained it with the backpropagation algorithm. We tested networks with none, one and two hidden layers. The best model was one with one hidden layer, in contradiction with a previous study that found that minimum error was obtained with a net without hidden layer. Forecasts with the neural network are more accurate than those produced with a persistence model (the value six hours ahead is the same as the actual value).

En las aplicaciones prácticas la resolución numérica de un problema de contorno requiere controlar la calidad de la solución aproximada. Si bien hasta hace no mucho se utilizaba generalmente una medida energética del error, en la actualidad se prefiere que la medida del error esté basada a cantidades de interés que determina el usuario. La representación del error en estas cantidades de interés involucra las soluciones del problema original (primal) y de un problema adjunto (o dual) asociado, que se pueden combinar de diferentes maneras: es decir, la representación no es única. En este trabajo se analizan tres representaciones del error combinadas con diferentes estrategias de postproceso. Se utilizan las ideas introducidas por Zienkiewicz y Zhu9 para el postproceso de tensiones y por Wiberg11 para desplazamientos. Se presentan estudios de convergencia del error, tanto en problemas térmicos como mecánicos. Además, se discuten aspectos de implementación y metodología y su uso en procesos de mallado adaptativo.

Tesis (Ingeniero Mecánico)--Universidad Autónoma de Occidente, 1995 Pregrado Ingeniero(a) Mecánico(a)