Comportamientos anómalos generados en los datos financieros: Un estudio de caso
Ante el escenario actual, se resalta la importancia de identificar anomalías en el área contable y financiero, considerando que este proceso permite reconocer situaciones de irregularidades o comportamientos que generan fraude o errores derivados de desviaciones o adulteración de datos. Aunque este...
- Autores:
-
Méndez Gutiérrez, Stefany Geraldine
López Carranza, Lorin Zamira
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2024
- Institución:
- Universidad Cooperativa de Colombia
- Repositorio:
- Repositorio UCC
- Idioma:
- spa
- OAI Identifier:
- oai:repository.ucc.edu.co:20.500.12494/55583
- Acceso en línea:
- https://hdl.handle.net/20.500.12494/55583
- Palabra clave:
- Fraude
Error
Registro contable anormal
Detección de anomalías
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
id |
COOPER2_04d310c8ad7e5b2b208b539fd58aaaa2 |
---|---|
oai_identifier_str |
oai:repository.ucc.edu.co:20.500.12494/55583 |
network_acronym_str |
COOPER2 |
network_name_str |
Repositorio UCC |
repository_id_str |
|
dc.title.none.fl_str_mv |
Comportamientos anómalos generados en los datos financieros: Un estudio de caso |
title |
Comportamientos anómalos generados en los datos financieros: Un estudio de caso |
spellingShingle |
Comportamientos anómalos generados en los datos financieros: Un estudio de caso Fraude Error Registro contable anormal Detección de anomalías |
title_short |
Comportamientos anómalos generados en los datos financieros: Un estudio de caso |
title_full |
Comportamientos anómalos generados en los datos financieros: Un estudio de caso |
title_fullStr |
Comportamientos anómalos generados en los datos financieros: Un estudio de caso |
title_full_unstemmed |
Comportamientos anómalos generados en los datos financieros: Un estudio de caso |
title_sort |
Comportamientos anómalos generados en los datos financieros: Un estudio de caso |
dc.creator.fl_str_mv |
Méndez Gutiérrez, Stefany Geraldine López Carranza, Lorin Zamira |
dc.contributor.advisor.none.fl_str_mv |
Hernández Aros, Ludivia Gutiérrez Portela, Fernando |
dc.contributor.author.none.fl_str_mv |
Méndez Gutiérrez, Stefany Geraldine López Carranza, Lorin Zamira |
dc.contributor.corporatename.none.fl_str_mv |
Universidad Cooperativa de Colombia |
dc.subject.proposal.none.fl_str_mv |
Fraude Error Registro contable anormal Detección de anomalías |
topic |
Fraude Error Registro contable anormal Detección de anomalías |
description |
Ante el escenario actual, se resalta la importancia de identificar anomalías en el área contable y financiero, considerando que este proceso permite reconocer situaciones de irregularidades o comportamientos que generan fraude o errores derivados de desviaciones o adulteración de datos. Aunque este tema ha sido extremadamente importante en los últimos años, no es reciente y ha sido investigado en la parte académica y empresarial para resolver esta problemática que afecta a las organizaciones. Por lo anterior, este estudio analiza los comportamientos anómalos en los datos financieros. A nivel metodológico, esta investigación tiene un enfoque cualitativo, ya que se realiza una revisión literaria en documentos, bases de datos, libros, artículos de revistas sobre cómo se presentan los diferentes comportamientos anómalos en los datos financieros, los cuales se presentan en registros o información contable que se desvía significativamente de lo establecido o que presenta discrepancias inusuales. La detección de anomalías en datos financieros es crucial para mantener la integridad de las operaciones financieras y la seguridad en el entorno empresarial. Ayuda a identificar problemas potenciales de manera temprana y a tomar medidas proactivas para mitigar riesgos financieros. El estudio presenta un análisis cienciométrico realizado en el software VOSviewer el cual agrupa información encontrada en la base de datos Scopus tales como los principales autores, publicaciones, fuentes, países y organizaciones de colaboración en la detección de comportamientos anómalos en datos financieros, también se determinan los diferentes estudios de casos donde se pueda detectar dichos comportamientos atípicos. Como resultado se evidencia que a nivel internacional se destacan entre ellos Estados Unidos y Reino unido los cuales son los principales países en investigación y mayor publicación de documentos relacionado al tema antes mencionado. |
publishDate |
2024 |
dc.date.accessioned.none.fl_str_mv |
2024-05-15T16:59:39Z |
dc.date.available.none.fl_str_mv |
2024-05-15T16:59:39Z |
dc.date.issued.none.fl_str_mv |
2024-05-15 |
dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
format |
http://purl.org/coar/resource_type/c_7a1f |
status_str |
acceptedVersion |
dc.identifier.citation.none.fl_str_mv |
Méndez Gutiérrez, S. G. y López Carranza, L. Z. (2023).Comportamientos anómalos generados en los datos financieros: Un estudio de caso [Tesis de pregrado, Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://hdl.handle.net/20.500.12494/55583 |
dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12494/55583 |
identifier_str_mv |
Méndez Gutiérrez, S. G. y López Carranza, L. Z. (2023).Comportamientos anómalos generados en los datos financieros: Un estudio de caso [Tesis de pregrado, Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://hdl.handle.net/20.500.12494/55583 |
url |
https://hdl.handle.net/20.500.12494/55583 |
dc.language.iso.none.fl_str_mv |
spa |
language |
spa |
dc.relation.references.none.fl_str_mv |
Ahmed, Mahmood, Islam, (2016). Un estudio sobre técnicas de detección de anomalías en el ámbito financiero.Sistemas informáticos de generación futura. Volumen 55, páginas 278-288 Amani, FA; Fadlalla, AM. (2017). Aplicaciones de minería de datos en contabilidad: una revisión de la literatura y el marco organizativo. En t. J. Cuenta. inf. Sistema.; 24, págs. 32-58. https://dx.doi.org/10.1016/j.accinf.2016.12.004 Barroso Marta y Labordab Juan. (2022). Transformación digital y surgimiento del sector Fintech: revisión sistemática de la literatura. Digital business. https://www-sciencedirect com.bbibliograficas.ucc.edu.co/science/article/pii/S2666954422000084?via%3Dihub Beasley, MS (1996) Un análisis empírico de la relación entre la composición de la junta directivay el fraude en los estados financieros. La revisión contable, 71, 443-465. Debreceny y Gray.( 2010).Entradas de diario de minería de datos para la detección de fraude: un estudio exploratorio.En t. J. Cuenta. inf. Sistema. , 11 ( 3 ) ( 2010 ) , págs. 157 – 181 Debreceny y Gray.( 2014).Una taxonomía para guiar la investigación sobre la aplicación de la minería de datos a la detección de fraude en auditorías de estados financieros. International Journal of Accounting Information Systems, pag 357 380 Hanafizadeh and Marjaie. (2021). Exploring banking business model types: A cognitive view. Digital Business, 1 (2021), Article 100012 Hayes, L. (2014). Identificar errores no intencionales en las revelaciones de reexpresión. Disponible en SSRN 2269086. Hernández Sampieri, R. (2018). Metodología de la Investigación: Las Rutas Cuantitativa, Cualitativa y Mixta. España: McGraw-Hill Interamericana. Hennes Karen M, Leone Andrew J., Miller Brian P. (2008). La importancia de distinguir los errores de las irregularidades en la investigación de reformulaciones: el caso de las reformulaciones y la rotación de directores ejecutivos y financieros. The Accounting Review; 83(6): 1487-1519. https://doi.org/10.2308/accr.2008.83.6.1487 Koyuncugil & Ozgulbas,(2012). Modelo de sistema de alerta temprana financiera y aplicación de minería de datos para la detección de riesgos. Sistemas Expertos con Aplicaciones Lokanan, Mark, Vincent Tran, and Nam Hoai Vuong. (2019). Detecting Anomalies in Financial Statements Using Machine Learning Algorithm: The Case of Vietnamese Listed Firms.” AJAR (Asian Journal of Accounting Research) (Online) 4.2 181–201. Web. Lopata, A., Gudas, S., Butleris, R., Rudžionis, V., Žioba, L., Veitaitė, I., Dilijonas, D., Grišius, E.,& Zwitserloot, M. (2022). Financial Data Anomaly Discovery Using Behavioral Change Indicators. Electronics, 11(10), 1598. https://doi.org/10.3390/electronics11101598 Oliveira Pinto S y Amorim Sobreiro V. (2022). Revisión de la literatura: enfoques de detección de anomalías en sistemas financieros empresariales digitales. Revista digital business. Patcha A, J.-M. Parque. (2007) Una visión general de las técnicas de detección de anomalías:soluciones existentes y últimas tendencias tecnológicas. Computadora. Neto, 51 (12), págs. 3448 – 3470 Pourhabibi Tahereh, Ong Kok-Leong, Kam Booi H., Boo Yee Ling. (2020). Fraud detection: Asystematic literature review of graph-based anomaly detection approaches, Decision SupportSystems. S. Höppner , B. Baesens , W. Verbeke , T. Verdonck (2022). Aprendizaje sensible a los costos y dependiente de la instancia para detectar fraudes en transferencias.Revista europea de investigación operativa, 297, págs . 291-300. https://www-sciencedirect com.bbibliograficas.ucc.edu.co/science/article/pii/S0377221721004562 Singh K., Upadhyaya S. (2012). Detección de valores atípicos: aplicaciones y técnicas. Revista Internacional de Ciencias de la Computación, 9 (1), págs. 307-323 https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=4f5844c9e7db68af7c2c5b918082636c3307cef9 Spathis CT (2002). Detección de estados financieros falsos utilizando datos publicados: algunas pruebas de Grecia. Revista de auditoría gerencial , 17 (4), 179–191. Tang, J., & Karim, K. E. (2019). Financial fraud detection and big data analytics – implications onauditors’ use of fraud brainstorming session. Managerial Auditing Journal, 34(3), 324-337. https://doi.org/10.1108/MAJ-01-2018-1767 Varun Chandola, Arindam Banerjee y Vipin Kumar. (2009). Detección de anomalías: una encuesta. Computación ACM. Sobrevivir. 41, 3, artículo 15, 58 páginas. https://doi.org/10.1145/1541880.1541882 VJ Hodge, J. Austin. (2004). Un estudio sobre metodologías de detección de valores atípicos. Revisión de Inteligencia Artificial, 22 (2), págs . 85-126 Zemankova, A. (2019). Inteligencia artificial en auditoría y contabilidad: desarrollo, tendenciasactuales, oportunidades y amenazas. Revisión de la literatura. Actas de la Conferencia Internacional sobre Control, Inteligencia Artificial, Robótica y Optimización (ICCAIRO); págs.148-154. https://www.revistacomunicar.com/pdf/documentos/2020-apa7-comunicar-es.pdf |
dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.creativecommons.none.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International |
dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ Attribution-NonCommercial-NoDerivatives 4.0 International http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.extent.none.fl_str_mv |
32 p. |
dc.format.mimetype.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Cooperativa de Colombia, Facultad de Ciencias Económicas, Administrativas y Contables, Contaduría Pública, Ibagué |
dc.publisher.department.none.fl_str_mv |
Tolima |
dc.publisher.program.none.fl_str_mv |
Contaduría Pública |
dc.publisher.faculty.none.fl_str_mv |
Ciencias Económicas, Administrativas y Contables |
dc.publisher.place.none.fl_str_mv |
Ibagué |
dc.publisher.branch.none.fl_str_mv |
Ibagué |
publisher.none.fl_str_mv |
Universidad Cooperativa de Colombia, Facultad de Ciencias Económicas, Administrativas y Contables, Contaduría Pública, Ibagué |
institution |
Universidad Cooperativa de Colombia |
bitstream.url.fl_str_mv |
https://repository.ucc.edu.co/bitstreams/f1cab39a-017a-4c3c-ae11-182bfa10d8b7/download https://repository.ucc.edu.co/bitstreams/7263b4ec-5a7b-40c9-8e93-3f04fb21bc87/download https://repository.ucc.edu.co/bitstreams/761acf03-ddf1-49fe-8a82-36466f80736f/download https://repository.ucc.edu.co/bitstreams/2361fce5-2fe4-48aa-82bf-cefa334275a3/download https://repository.ucc.edu.co/bitstreams/fd280b7a-0957-41e4-b5bb-f870cb39a4ad/download https://repository.ucc.edu.co/bitstreams/de3f21ca-a9cf-48c0-9b71-4dc94a674e0b/download https://repository.ucc.edu.co/bitstreams/d9734f7e-de47-4807-810f-0c71081ad204/download https://repository.ucc.edu.co/bitstreams/9ac848ee-3f1b-4725-8375-e2308dfd7003/download https://repository.ucc.edu.co/bitstreams/3219f2c8-060e-4890-827e-9a35c28774f7/download https://repository.ucc.edu.co/bitstreams/1d0746cb-67a9-4f22-af09-6c4e00ab2f36/download https://repository.ucc.edu.co/bitstreams/744114b2-79cd-4c9f-bbfa-f0a5fa9717cb/download |
bitstream.checksum.fl_str_mv |
4460e5956bc1d1639be9ae6146a50347 3bce4f7ab09dfc588f126e1e36e98a45 e26edbff7b5f3c38196acfb4d21aff79 db8c77435837b177706c59ab81cc1e52 2f567d6b00d64aae52dfebcd61d75bdf f2f803ae18bbe4679efb1f4173eafaed e36ea61af95c96eb053cf186e0ea7cd0 3947d267b5f9bdd740f6deec865915c9 6638da17bcfc0b03cf6db92aec26f450 a8882ea0b434a5f19380033d65f98944 7d8e6e23b366a2602581a28b1b9cf65a |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad Cooperativa de Colombia |
repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
_version_ |
1814247063440850944 |
spelling |
Hernández Aros, LudiviaGutiérrez Portela, FernandoMéndez Gutiérrez, Stefany GeraldineLópez Carranza, Lorin ZamiraUniversidad Cooperativa de Colombia2024-05-15T16:59:39Z2024-05-15T16:59:39Z2024-05-15Méndez Gutiérrez, S. G. y López Carranza, L. Z. (2023).Comportamientos anómalos generados en los datos financieros: Un estudio de caso [Tesis de pregrado, Universidad Cooperativa de Colombia]. Repositorio Institucional Universidad Cooperativa de Colombia. https://hdl.handle.net/20.500.12494/55583https://hdl.handle.net/20.500.12494/55583Ante el escenario actual, se resalta la importancia de identificar anomalías en el área contable y financiero, considerando que este proceso permite reconocer situaciones de irregularidades o comportamientos que generan fraude o errores derivados de desviaciones o adulteración de datos. Aunque este tema ha sido extremadamente importante en los últimos años, no es reciente y ha sido investigado en la parte académica y empresarial para resolver esta problemática que afecta a las organizaciones. Por lo anterior, este estudio analiza los comportamientos anómalos en los datos financieros. A nivel metodológico, esta investigación tiene un enfoque cualitativo, ya que se realiza una revisión literaria en documentos, bases de datos, libros, artículos de revistas sobre cómo se presentan los diferentes comportamientos anómalos en los datos financieros, los cuales se presentan en registros o información contable que se desvía significativamente de lo establecido o que presenta discrepancias inusuales. La detección de anomalías en datos financieros es crucial para mantener la integridad de las operaciones financieras y la seguridad en el entorno empresarial. Ayuda a identificar problemas potenciales de manera temprana y a tomar medidas proactivas para mitigar riesgos financieros. El estudio presenta un análisis cienciométrico realizado en el software VOSviewer el cual agrupa información encontrada en la base de datos Scopus tales como los principales autores, publicaciones, fuentes, países y organizaciones de colaboración en la detección de comportamientos anómalos en datos financieros, también se determinan los diferentes estudios de casos donde se pueda detectar dichos comportamientos atípicos. Como resultado se evidencia que a nivel internacional se destacan entre ellos Estados Unidos y Reino unido los cuales son los principales países en investigación y mayor publicación de documentos relacionado al tema antes mencionado.Resumen -- Introducción -- Marco teórico – Objetivos – Metodología – Resultados -- Comportamientos anómalos en la información financiera a través de la revisión de literatura -- Datos financieros que se ven afectados producto de los registros anómalos -- Estudio de casos relacionados con el comportamiento anómalo generado en datos financieros – Conclusiones -- ReferenciasPregradoContadora pública32 p.application/pdfspaUniversidad Cooperativa de Colombia, Facultad de Ciencias Económicas, Administrativas y Contables, Contaduría Pública, IbaguéTolimaContaduría PúblicaCiencias Económicas, Administrativas y ContablesIbaguéIbaguéhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://purl.org/coar/access_right/c_abf2Comportamientos anómalos generados en los datos financieros: Un estudio de casoTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionAhmed, Mahmood, Islam, (2016). Un estudio sobre técnicas de detección de anomalías en el ámbito financiero.Sistemas informáticos de generación futura. Volumen 55, páginas 278-288Amani, FA; Fadlalla, AM. (2017). Aplicaciones de minería de datos en contabilidad: una revisión de la literatura y el marco organizativo. En t. J. Cuenta. inf. Sistema.; 24, págs. 32-58. https://dx.doi.org/10.1016/j.accinf.2016.12.004Barroso Marta y Labordab Juan. (2022). Transformación digital y surgimiento del sector Fintech: revisión sistemática de la literatura. Digital business. https://www-sciencedirect com.bbibliograficas.ucc.edu.co/science/article/pii/S2666954422000084?via%3DihubBeasley, MS (1996) Un análisis empírico de la relación entre la composición de la junta directivay el fraude en los estados financieros. La revisión contable, 71, 443-465.Debreceny y Gray.( 2010).Entradas de diario de minería de datos para la detección de fraude: un estudio exploratorio.En t. J. Cuenta. inf. Sistema. , 11 ( 3 ) ( 2010 ) , págs. 157 – 181Debreceny y Gray.( 2014).Una taxonomía para guiar la investigación sobre la aplicación de la minería de datos a la detección de fraude en auditorías de estados financieros. International Journal of Accounting Information Systems, pag 357 380Hanafizadeh and Marjaie. (2021). Exploring banking business model types: A cognitive view. Digital Business, 1 (2021), Article 100012Hayes, L. (2014). Identificar errores no intencionales en las revelaciones de reexpresión. Disponible en SSRN 2269086.Hernández Sampieri, R. (2018). Metodología de la Investigación: Las Rutas Cuantitativa, Cualitativa y Mixta. España: McGraw-Hill Interamericana.Hennes Karen M, Leone Andrew J., Miller Brian P. (2008). La importancia de distinguir los errores de las irregularidades en la investigación de reformulaciones: el caso de las reformulaciones y la rotación de directores ejecutivos y financieros. The Accounting Review; 83(6): 1487-1519. https://doi.org/10.2308/accr.2008.83.6.1487Koyuncugil & Ozgulbas,(2012). Modelo de sistema de alerta temprana financiera y aplicación de minería de datos para la detección de riesgos. Sistemas Expertos con AplicacionesLokanan, Mark, Vincent Tran, and Nam Hoai Vuong. (2019). Detecting Anomalies in Financial Statements Using Machine Learning Algorithm: The Case of Vietnamese Listed Firms.” AJAR (Asian Journal of Accounting Research) (Online) 4.2 181–201. Web.Lopata, A., Gudas, S., Butleris, R., Rudžionis, V., Žioba, L., Veitaitė, I., Dilijonas, D., Grišius, E.,& Zwitserloot, M. (2022). Financial Data Anomaly Discovery Using Behavioral Change Indicators. Electronics, 11(10), 1598. https://doi.org/10.3390/electronics11101598Oliveira Pinto S y Amorim Sobreiro V. (2022). Revisión de la literatura: enfoques de detección de anomalías en sistemas financieros empresariales digitales. Revista digital business.Patcha A, J.-M. Parque. (2007) Una visión general de las técnicas de detección de anomalías:soluciones existentes y últimas tendencias tecnológicas. Computadora. Neto, 51 (12), págs. 3448 – 3470Pourhabibi Tahereh, Ong Kok-Leong, Kam Booi H., Boo Yee Ling. (2020). Fraud detection: Asystematic literature review of graph-based anomaly detection approaches, Decision SupportSystems.S. Höppner , B. Baesens , W. Verbeke , T. Verdonck (2022). Aprendizaje sensible a los costos y dependiente de la instancia para detectar fraudes en transferencias.Revista europea de investigación operativa, 297, págs . 291-300. https://www-sciencedirect com.bbibliograficas.ucc.edu.co/science/article/pii/S0377221721004562Singh K., Upadhyaya S. (2012). Detección de valores atípicos: aplicaciones y técnicas. Revista Internacional de Ciencias de la Computación, 9 (1), págs. 307-323 https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=4f5844c9e7db68af7c2c5b918082636c3307cef9Spathis CT (2002). Detección de estados financieros falsos utilizando datos publicados: algunas pruebas de Grecia. Revista de auditoría gerencial , 17 (4), 179–191.Tang, J., & Karim, K. E. (2019). Financial fraud detection and big data analytics – implications onauditors’ use of fraud brainstorming session. Managerial Auditing Journal, 34(3), 324-337. https://doi.org/10.1108/MAJ-01-2018-1767Varun Chandola, Arindam Banerjee y Vipin Kumar. (2009). Detección de anomalías: una encuesta. Computación ACM. Sobrevivir. 41, 3, artículo 15, 58 páginas. https://doi.org/10.1145/1541880.1541882VJ Hodge, J. Austin. (2004). Un estudio sobre metodologías de detección de valores atípicos. Revisión de Inteligencia Artificial, 22 (2), págs . 85-126Zemankova, A. (2019). Inteligencia artificial en auditoría y contabilidad: desarrollo, tendenciasactuales, oportunidades y amenazas. Revisión de la literatura. Actas de la Conferencia Internacional sobre Control, Inteligencia Artificial, Robótica y Optimización (ICCAIRO); págs.148-154. https://www.revistacomunicar.com/pdf/documentos/2020-apa7-comunicar-es.pdfFraudeErrorRegistro contable anormalDetección de anomalíasPublicationCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805https://repository.ucc.edu.co/bitstreams/f1cab39a-017a-4c3c-ae11-182bfa10d8b7/download4460e5956bc1d1639be9ae6146a50347MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-84334https://repository.ucc.edu.co/bitstreams/7263b4ec-5a7b-40c9-8e93-3f04fb21bc87/download3bce4f7ab09dfc588f126e1e36e98a45MD52ORIGINAL2023_Lopez&Mendez_comportamientos_datos_estudio.pdf2023_Lopez&Mendez_comportamientos_datos_estudio.pdfTrabajo de gradoapplication/pdf461833https://repository.ucc.edu.co/bitstreams/761acf03-ddf1-49fe-8a82-36466f80736f/downloade26edbff7b5f3c38196acfb4d21aff79MD532023_Lopez&Mendez_comportamientos_datos_estudio_acta de sutentacion.pdf2023_Lopez&Mendez_comportamientos_datos_estudio_acta de sutentacion.pdfActa de sustentaciónapplication/pdf97954https://repository.ucc.edu.co/bitstreams/2361fce5-2fe4-48aa-82bf-cefa334275a3/downloaddb8c77435837b177706c59ab81cc1e52MD542023_Lopez&Mendez_comportamientos_datos_estudio_licencia de uso.pdf2023_Lopez&Mendez_comportamientos_datos_estudio_licencia de uso.pdfLicencia de usoapplication/pdf197786https://repository.ucc.edu.co/bitstreams/fd280b7a-0957-41e4-b5bb-f870cb39a4ad/download2f567d6b00d64aae52dfebcd61d75bdfMD55TEXT2023_Lopez&Mendez_comportamientos_datos_estudio.pdf.txt2023_Lopez&Mendez_comportamientos_datos_estudio.pdf.txtExtracted texttext/plain53700https://repository.ucc.edu.co/bitstreams/de3f21ca-a9cf-48c0-9b71-4dc94a674e0b/downloadf2f803ae18bbe4679efb1f4173eafaedMD562023_Lopez&Mendez_comportamientos_datos_estudio_acta de sutentacion.pdf.txt2023_Lopez&Mendez_comportamientos_datos_estudio_acta de sutentacion.pdf.txtExtracted texttext/plain1962https://repository.ucc.edu.co/bitstreams/d9734f7e-de47-4807-810f-0c71081ad204/downloade36ea61af95c96eb053cf186e0ea7cd0MD582023_Lopez&Mendez_comportamientos_datos_estudio_licencia de uso.pdf.txt2023_Lopez&Mendez_comportamientos_datos_estudio_licencia de uso.pdf.txtExtracted texttext/plain5882https://repository.ucc.edu.co/bitstreams/9ac848ee-3f1b-4725-8375-e2308dfd7003/download3947d267b5f9bdd740f6deec865915c9MD510THUMBNAIL2023_Lopez&Mendez_comportamientos_datos_estudio.pdf.jpg2023_Lopez&Mendez_comportamientos_datos_estudio.pdf.jpgGenerated Thumbnailimage/jpeg6441https://repository.ucc.edu.co/bitstreams/3219f2c8-060e-4890-827e-9a35c28774f7/download6638da17bcfc0b03cf6db92aec26f450MD572023_Lopez&Mendez_comportamientos_datos_estudio_acta de sutentacion.pdf.jpg2023_Lopez&Mendez_comportamientos_datos_estudio_acta de sutentacion.pdf.jpgGenerated Thumbnailimage/jpeg13665https://repository.ucc.edu.co/bitstreams/1d0746cb-67a9-4f22-af09-6c4e00ab2f36/downloada8882ea0b434a5f19380033d65f98944MD592023_Lopez&Mendez_comportamientos_datos_estudio_licencia de uso.pdf.jpg2023_Lopez&Mendez_comportamientos_datos_estudio_licencia de uso.pdf.jpgGenerated Thumbnailimage/jpeg11878https://repository.ucc.edu.co/bitstreams/744114b2-79cd-4c9f-bbfa-f0a5fa9717cb/download7d8e6e23b366a2602581a28b1b9cf65aMD51120.500.12494/55583oai:repository.ucc.edu.co:20.500.12494/555832024-08-10 19:22:54.979http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalopen.accesshttps://repository.ucc.edu.coRepositorio Institucional Universidad Cooperativa de Colombiabdigital@metabiblioteca.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 |