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...

Full description

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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