Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia

El precio de bolsa de energía es uno de los commodities con más volatilidad en el mercado colombiano, debido a los diferentes factores que pueden influir en su determinación, como la composición de la oferta y la demanda, el clima y precios de combustibles, lo que convierte su predicción en un desaf...

Full description

Autores:
Tipo de recurso:
Fecha de publicación:
2023
Institución:
Universidad del Rosario
Repositorio:
Repositorio EdocUR - U. Rosario
Idioma:
spa
OAI Identifier:
oai:repository.urosario.edu.co:10336/40137
Acceso en línea:
https://doi.org/10.48713/10336_40137
https://repository.urosario.edu.co/handle/10336/40137
Palabra clave:
Precio de energía
Modelos analíticos
Pronóstico
Mercado eléctrico
Energy price
Analytical models
Forecasting
Electricity market
Rights
License
Attribution-NonCommercial-ShareAlike 4.0 International
id EDOCUR2_7d5588fd4f852694f7532a1e5d101013
oai_identifier_str oai:repository.urosario.edu.co:10336/40137
network_acronym_str EDOCUR2
network_name_str Repositorio EdocUR - U. Rosario
repository_id_str
dc.title.none.fl_str_mv Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia
dc.title.TranslatedTitle.none.fl_str_mv Design of an analytical model to forecast the spot price of energy in Colombia
title Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia
spellingShingle Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia
Precio de energía
Modelos analíticos
Pronóstico
Mercado eléctrico
Energy price
Analytical models
Forecasting
Electricity market
title_short Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia
title_full Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia
title_fullStr Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia
title_full_unstemmed Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia
title_sort Diseño de un modelo analítico de pronóstico del precio spot de energía en Colombia
dc.contributor.advisor.none.fl_str_mv Calvo López, John Pablo
dc.subject.none.fl_str_mv Precio de energía
Modelos analíticos
Pronóstico
Mercado eléctrico
topic Precio de energía
Modelos analíticos
Pronóstico
Mercado eléctrico
Energy price
Analytical models
Forecasting
Electricity market
dc.subject.keyword.none.fl_str_mv Energy price
Analytical models
Forecasting
Electricity market
description El precio de bolsa de energía es uno de los commodities con más volatilidad en el mercado colombiano, debido a los diferentes factores que pueden influir en su determinación, como la composición de la oferta y la demanda, el clima y precios de combustibles, lo que convierte su predicción en un desafío, lo cual genera incertidumbre en los agentes del mercado eléctrico colombiano para la toma de sus decisiones transaccionales en la compra y venta de energía. Por tanto, el objetivo de este proyecto es desarrollar un modelo analítico de pronóstico del precio spot de energía para la organización COSENIT con el fin de abordar la necesidad de sus clientes de tener mayor certeza en sus decisiones estratégicas y comerciales en el mercado de eléctrico colombiano.
publishDate 2023
dc.date.accessioned.none.fl_str_mv 2023-07-13T06:31:48Z
dc.date.available.none.fl_str_mv 2023-07-13T06:31:48Z
dc.date.created.none.fl_str_mv 2023-06-17
dc.type.none.fl_str_mv bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.document.none.fl_str_mv Trabajo de grado
dc.type.spa.none.fl_str_mv Trabajo de grado
dc.identifier.doi.none.fl_str_mv https://doi.org/10.48713/10336_40137
dc.identifier.uri.none.fl_str_mv https://repository.urosario.edu.co/handle/10336/40137
url https://doi.org/10.48713/10336_40137
https://repository.urosario.edu.co/handle/10336/40137
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.*.fl_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.acceso.none.fl_str_mv Abierto (Texto Completo)
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
rights_invalid_str_mv Attribution-NonCommercial-ShareAlike 4.0 International
Abierto (Texto Completo)
http://creativecommons.org/licenses/by-nc-sa/4.0/
http://purl.org/coar/access_right/c_abf2
dc.format.extent.none.fl_str_mv 87 pp
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad del Rosario
dc.publisher.department.none.fl_str_mv Escuela de Administración
Escuela de Ingeniería, Ciencia y Tecnología
dc.publisher.program.none.fl_str_mv Maestría en Business Analytics
publisher.none.fl_str_mv Universidad del Rosario
institution Universidad del Rosario
dc.source.bibliographicCitation.none.fl_str_mv Agudelo, Adriana P, López-Lezama, Jesús M, & Velilla, Esteban. (2015). Predicción del Precio de la Electricidad en la Bolsa mediante un Modelo Neuronal No-Lineal Autorregresivo con Entradas Exógenas. Información tecnológica, 26(6), 99-108. https://dx.doi.org/10.4067/S0718-07642015000600012
Barrientos Marín, J., & Toro Martínez, M. (2016). La hidrología como predictor del comportamiento del precio de energía en bolsa. Perfil de Coyuntura Económica, 25. https://doi.org/10.17533/udea.pece.n25a07
Barrientos, J., & Martínez, M. T. (2017). Análisis de los fundamentales del precio de la energía eléctrica: Evidencia empírica para Colombia. Revista de Economía del Caribe, 19, 33-59.
Dejamkhooy, A., & Ahmadpour, A. (2022). Prediction and Evaluation of Electricity Price in Restructured Power Systems Using Gaussian Process Time Series Modeling. Smart Cities, 5(3), 889-923. https://doi.org/10.3390/smartcities5030045
Díez, I. C. (2015). Proyección de precios de energía eléctrica de mediano plazo en el mercado colombiano mediante la aplicación del índice de Lerner. [Trabajo de grado]. Universidad EAFIT, Medellín, Colombia
Duque, J. P. B., García, J. J., & Velásquez, H. (2016). Efectos del cargo por confiabilidad sobre el precio spot de la energía eléctrica en Colombia. Cuadernos de Economía, XXXV (68), 491-519.
Galindo, A. F. (2017). Modelamiento de los precios de la energía en bolsa en Colombia incorporando el efecto del ENSO. [Trabajo de grado]. Universidad de Los Andes, Bogotá D.C., Colombia.
Galón, S., & Barrientos, J. (2021). Proyección del Precio Spot de la Electricidad Colombiana bajo un Enfoque Funcional. Revista internacional de economía y política energética, 11 (2), 67–74. Obtenido de https://www.econjournals.com/index.php/ijeep/article/view/10607
Grothe, O., Kächele, F., & Krüger, F. (2023). From point forecasts to multivariate probabilistic forecasts: The Schaake shuffle for day-ahead electricity price forecasting. Energy Economics, 120, 106602. https://doi.org/10.1016/j.eneco.2023.106602
Gunduz, S., Ugurlu, U., & Oksuz, I. (2023). Transfer learning for electricity price forecasting. Sustainable Energy, Grids and Networks, 34, 100996. https://doi.org/10.1016/j.segan.2023.100996
Hurtado Moreno, L., Quintero Montoya, O. L., & García Rendón, J. J. (2016). Estimación del precio de oferta de la energía eléctrica en Colombia mediante inteligencia artificial. Revista De Métodos Cuantitativos Para La Economía Y La Empresa, 18, Páginas 54 a 87. https://doi.org/10.46661/revmetodoscuanteconempresa.2205
IBM. (2023). Introducción al CRISP-DM. Recuperado de: https://www.ibm.com/docs/es/spss-modeler/saas?topic=guide-introduction-crisp-dm
Jiang, P., Nie, Y., Wang, J., & Huang, X. (2023). Multivariable short-term electricity Price forecasting using artificial intelligence and multi-input multi-output scheme. Energy Economics, 117, 106471. https://doi.org/10.1016/j.eneco.2022.106471
Kuo, P., & Huang, C. (2018). An Electricity Price Forecasting Model by Hybrid Structured Deep Neural Networks. Sustainability, 10(4), 1280. https://doi.org/10.3390/su10041280
Lehna, M., Scheller, F., & Herwartz, H. (2022). Forecasting day-ahead electricity prices: A comparison of time series and neural network models taking external regressors into account. Energy Economics, 106, 105742. https://doi.org/10.1016/j.eneco.2021.105742
López, A. (2015). Comportamiento del mercado eléctrico colombiano por los intercambios de electricidad regional con la comunidad andina de naciones Can y caso de estudio con Ecuador. Recuperado de: http://hdl.handle.net/20.500.11912/2369.
Lucas, A., Pegios, K., Kotsakis, E., & Clarke, D. (2020). Price Forecasting for the Balancing Energy Market Using Machine-Learning Regression. Energies, 13(20), 5420. https://doi.org/10.3390/en13205420
Marcjasz, G., Lago, J., & Weron, R. (2020). Neural networks in day-ahead electricity price forecasting: Single vs. multiple outputs. ArXiv, abs/2008.08006.
Marin, J. B., Orozco, E. T., & Velilla, E. (2018). Forecasting electricity price in Colombia: A comparison between Neural Network, ARMA process and Hybrid Models. International Journal of Energy Economics and Policy, 8(3), 97–106. Retrieved from https://www.econjournals.com/index.php/ijeep/article/view/6181
Martın Mayorga, R. A., & Pineros Sánchez, L. F. (2020). Propuesta de un modelo con redes neuronales y metodología Box & Jenkins para el pronóstico del precio de bolsa de la energía en Colombia. https://repository.libertadores.edu.co/handle/11371/2654
Oviedo-Gomez, A., Londono-Hernandez, S. M., & Manotas-Duque, D. F. (2021). Electricity Price Fundamentals in Hydrothermal Power Generation Markets Using Machine Learning and Quantile Regression Analysis. International Journal of Energy Economics and Policy, 11(5), 66–77. Retrieved from https://www.econjournals.com/index.php/ijeep/article/view/11346
Rodrigo, J. (2023). Ciencia de Datos. https://www.cienciadedatos.net/ Santiago,
Santiago, A. M., Vanstrahlengs, J. U., Otero, A. C., & Lombana, J. (2017). Pronóstico del precio de la energía en Colombia utilizando modelos arima con igarch. Revista de economía del Rosario, 20(1), 127-159
Singh, P., & Kottath, R. (2022). Influencer-defaulter mutation-based optimization algorithms for predicting electricity prices. Utilities Policy, 79, 101444. https://doi.org/10.1016/j.jup.2022.101444
Villada, F., Cadavid, D. R., & Molina, J. D. (2014). Electricity price forecasting using artificial neural networks. Revista Facultad De Ingeniería Universidad De Antioquia, (44), 111–118. https://doi.org/10.17533/udea.redin.18508
Wang, J., Liu, F., Song, Y., & Zhao, J. (2016). A novel model: Dynamic choice artificial neural network (DCANN) for an electricity price forecasting system. Applied Soft Computing, 48, 281-297. https://doi.org/10.1016/j.asoc.2016.07.011
Wang, J., Yang, W., Du, P., & Niu, T. (2020). Outlier-robust hybrid electricity price forecasting model for electricity market management. Journal of Cleaner Production, 249, 119318. https://doi.org/10.1016/j.jclepro.2019.119318
Weron, R. (2014). Electricity price forecasting: A review of the state-of-the-art with a look into the future. International Journal of Forecasting, 30(4), 1030-1081. https://doi.org/10.1016/j.ijforecast.2014.08.008
Yang, W., Wang, J., Niu, T., & Du, P. (2020). A novel system for multi-step electricity price forecasting for electricity market management. Applied Soft Computing, 88, 106029. https://doi.org/10.1016/j.asoc.2019.106029
dc.source.instname.none.fl_str_mv instname:Universidad del Rosario
dc.source.reponame.none.fl_str_mv reponame:Repositorio Institucional EdocUR
bitstream.url.fl_str_mv https://repository.urosario.edu.co/bitstreams/e10167b3-bd65-41ce-bfa8-05dc99a13754/download
https://repository.urosario.edu.co/bitstreams/8cb13d57-d26a-48df-9882-f6ba09f1af88/download
https://repository.urosario.edu.co/bitstreams/ba2dd192-c8de-4d91-a080-291ed6b55e4c/download
https://repository.urosario.edu.co/bitstreams/fc0f868b-2741-4c6d-acd9-61e2920d7981/download
https://repository.urosario.edu.co/bitstreams/eaa41eb0-3a74-4382-ac55-e1fac3d4832c/download
bitstream.checksum.fl_str_mv b2825df9f458e9d5d96ee8b7cd74fde6
9f818f652bc8f5cb6f2e5a1d928a7332
5643bfd9bcf29d560eeec56d584edaa9
c829649124cd9ede062cb9e15ad0b072
46ba7513c48a8637f032da516edb6c19
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional EdocUR
repository.mail.fl_str_mv edocur@urosario.edu.co
_version_ 1814167573801992192
spelling Calvo López, John Pablo0bf1638c-a12e-4cf9-876a-ce604568a9ef-1Arias García, CristianMagíster en Business Analytics79c2d38e-51c8-465e-b405-7409a2f3c946-12023-07-13T06:31:48Z2023-07-13T06:31:48Z2023-06-17El precio de bolsa de energía es uno de los commodities con más volatilidad en el mercado colombiano, debido a los diferentes factores que pueden influir en su determinación, como la composición de la oferta y la demanda, el clima y precios de combustibles, lo que convierte su predicción en un desafío, lo cual genera incertidumbre en los agentes del mercado eléctrico colombiano para la toma de sus decisiones transaccionales en la compra y venta de energía. Por tanto, el objetivo de este proyecto es desarrollar un modelo analítico de pronóstico del precio spot de energía para la organización COSENIT con el fin de abordar la necesidad de sus clientes de tener mayor certeza en sus decisiones estratégicas y comerciales en el mercado de eléctrico colombiano.The energy stock price is one of the most volatile commodities in the Colombian market, due to the different factors that can influence its determination, such as the composition of supply and demand, weather and fuel prices, which turns its prediction into a challenge, which generates uncertainty in the agents of the Colombian electricity market to make their transactional decisions in the purchase and sale of energy. Therefore, the objective of this project is to develop an analytical model for forecasting the spot price of energy for the COSENIT organization in order to address the need of its clients to have greater certainty in their strategic and commercial decisions in the Colombian electricity market.87 ppapplication/pdfhttps://doi.org/10.48713/10336_40137 https://repository.urosario.edu.co/handle/10336/40137spaUniversidad del RosarioEscuela de AdministraciónEscuela de Ingeniería, Ciencia y TecnologíaMaestría en Business AnalyticsAttribution-NonCommercial-ShareAlike 4.0 InternationalAbierto (Texto Completo)http://creativecommons.org/licenses/by-nc-sa/4.0/http://purl.org/coar/access_right/c_abf2Agudelo, Adriana P, López-Lezama, Jesús M, & Velilla, Esteban. (2015). Predicción del Precio de la Electricidad en la Bolsa mediante un Modelo Neuronal No-Lineal Autorregresivo con Entradas Exógenas. Información tecnológica, 26(6), 99-108. https://dx.doi.org/10.4067/S0718-07642015000600012Barrientos Marín, J., & Toro Martínez, M. (2016). La hidrología como predictor del comportamiento del precio de energía en bolsa. Perfil de Coyuntura Económica, 25. https://doi.org/10.17533/udea.pece.n25a07Barrientos, J., & Martínez, M. T. (2017). Análisis de los fundamentales del precio de la energía eléctrica: Evidencia empírica para Colombia. Revista de Economía del Caribe, 19, 33-59.Dejamkhooy, A., & Ahmadpour, A. (2022). Prediction and Evaluation of Electricity Price in Restructured Power Systems Using Gaussian Process Time Series Modeling. Smart Cities, 5(3), 889-923. https://doi.org/10.3390/smartcities5030045Díez, I. C. (2015). Proyección de precios de energía eléctrica de mediano plazo en el mercado colombiano mediante la aplicación del índice de Lerner. [Trabajo de grado]. Universidad EAFIT, Medellín, ColombiaDuque, J. P. B., García, J. J., & Velásquez, H. (2016). Efectos del cargo por confiabilidad sobre el precio spot de la energía eléctrica en Colombia. Cuadernos de Economía, XXXV (68), 491-519.Galindo, A. F. (2017). Modelamiento de los precios de la energía en bolsa en Colombia incorporando el efecto del ENSO. [Trabajo de grado]. Universidad de Los Andes, Bogotá D.C., Colombia.Galón, S., & Barrientos, J. (2021). Proyección del Precio Spot de la Electricidad Colombiana bajo un Enfoque Funcional. Revista internacional de economía y política energética, 11 (2), 67–74. Obtenido de https://www.econjournals.com/index.php/ijeep/article/view/10607Grothe, O., Kächele, F., & Krüger, F. (2023). From point forecasts to multivariate probabilistic forecasts: The Schaake shuffle for day-ahead electricity price forecasting. Energy Economics, 120, 106602. https://doi.org/10.1016/j.eneco.2023.106602Gunduz, S., Ugurlu, U., & Oksuz, I. (2023). Transfer learning for electricity price forecasting. Sustainable Energy, Grids and Networks, 34, 100996. https://doi.org/10.1016/j.segan.2023.100996Hurtado Moreno, L., Quintero Montoya, O. L., & García Rendón, J. J. (2016). Estimación del precio de oferta de la energía eléctrica en Colombia mediante inteligencia artificial. Revista De Métodos Cuantitativos Para La Economía Y La Empresa, 18, Páginas 54 a 87. https://doi.org/10.46661/revmetodoscuanteconempresa.2205IBM. (2023). Introducción al CRISP-DM. Recuperado de: https://www.ibm.com/docs/es/spss-modeler/saas?topic=guide-introduction-crisp-dmJiang, P., Nie, Y., Wang, J., & Huang, X. (2023). Multivariable short-term electricity Price forecasting using artificial intelligence and multi-input multi-output scheme. Energy Economics, 117, 106471. https://doi.org/10.1016/j.eneco.2022.106471Kuo, P., & Huang, C. (2018). An Electricity Price Forecasting Model by Hybrid Structured Deep Neural Networks. Sustainability, 10(4), 1280. https://doi.org/10.3390/su10041280Lehna, M., Scheller, F., & Herwartz, H. (2022). Forecasting day-ahead electricity prices: A comparison of time series and neural network models taking external regressors into account. Energy Economics, 106, 105742. https://doi.org/10.1016/j.eneco.2021.105742López, A. (2015). Comportamiento del mercado eléctrico colombiano por los intercambios de electricidad regional con la comunidad andina de naciones Can y caso de estudio con Ecuador. Recuperado de: http://hdl.handle.net/20.500.11912/2369.Lucas, A., Pegios, K., Kotsakis, E., & Clarke, D. (2020). Price Forecasting for the Balancing Energy Market Using Machine-Learning Regression. Energies, 13(20), 5420. https://doi.org/10.3390/en13205420Marcjasz, G., Lago, J., & Weron, R. (2020). Neural networks in day-ahead electricity price forecasting: Single vs. multiple outputs. ArXiv, abs/2008.08006.Marin, J. B., Orozco, E. T., & Velilla, E. (2018). Forecasting electricity price in Colombia: A comparison between Neural Network, ARMA process and Hybrid Models. International Journal of Energy Economics and Policy, 8(3), 97–106. Retrieved from https://www.econjournals.com/index.php/ijeep/article/view/6181Martın Mayorga, R. A., & Pineros Sánchez, L. F. (2020). Propuesta de un modelo con redes neuronales y metodología Box & Jenkins para el pronóstico del precio de bolsa de la energía en Colombia. https://repository.libertadores.edu.co/handle/11371/2654Oviedo-Gomez, A., Londono-Hernandez, S. M., & Manotas-Duque, D. F. (2021). Electricity Price Fundamentals in Hydrothermal Power Generation Markets Using Machine Learning and Quantile Regression Analysis. International Journal of Energy Economics and Policy, 11(5), 66–77. Retrieved from https://www.econjournals.com/index.php/ijeep/article/view/11346Rodrigo, J. (2023). Ciencia de Datos. https://www.cienciadedatos.net/ Santiago,Santiago, A. M., Vanstrahlengs, J. U., Otero, A. C., & Lombana, J. (2017). Pronóstico del precio de la energía en Colombia utilizando modelos arima con igarch. Revista de economía del Rosario, 20(1), 127-159Singh, P., & Kottath, R. (2022). Influencer-defaulter mutation-based optimization algorithms for predicting electricity prices. Utilities Policy, 79, 101444. https://doi.org/10.1016/j.jup.2022.101444Villada, F., Cadavid, D. R., & Molina, J. D. (2014). Electricity price forecasting using artificial neural networks. Revista Facultad De Ingeniería Universidad De Antioquia, (44), 111–118. https://doi.org/10.17533/udea.redin.18508Wang, J., Liu, F., Song, Y., & Zhao, J. (2016). A novel model: Dynamic choice artificial neural network (DCANN) for an electricity price forecasting system. Applied Soft Computing, 48, 281-297. https://doi.org/10.1016/j.asoc.2016.07.011Wang, J., Yang, W., Du, P., & Niu, T. (2020). Outlier-robust hybrid electricity price forecasting model for electricity market management. Journal of Cleaner Production, 249, 119318. https://doi.org/10.1016/j.jclepro.2019.119318Weron, R. (2014). Electricity price forecasting: A review of the state-of-the-art with a look into the future. International Journal of Forecasting, 30(4), 1030-1081. https://doi.org/10.1016/j.ijforecast.2014.08.008Yang, W., Wang, J., Niu, T., & Du, P. (2020). A novel system for multi-step electricity price forecasting for electricity market management. Applied Soft Computing, 88, 106029. https://doi.org/10.1016/j.asoc.2019.106029instname:Universidad del Rosarioreponame:Repositorio Institucional EdocURPrecio de energíaModelos analíticosPronósticoMercado eléctricoEnergy priceAnalytical modelsForecastingElectricity marketDiseño de un modelo analítico de pronóstico del precio spot de energía en ColombiaDesign of an analytical model to forecast the spot price of energy in ColombiabachelorThesisTrabajo de gradoTrabajo de gradohttp://purl.org/coar/resource_type/c_7a1fEscuela de AdministraciónEscuela de Ingeniería, Ciencia y TecnologíaLICENSElicense.txtlicense.txttext/plain1483https://repository.urosario.edu.co/bitstreams/e10167b3-bd65-41ce-bfa8-05dc99a13754/downloadb2825df9f458e9d5d96ee8b7cd74fde6MD52ORIGINALDiseno-de-un-modelo-analitico-de-pronostico-AriasGarcia-Cristian-2023.pdfDiseno-de-un-modelo-analitico-de-pronostico-AriasGarcia-Cristian-2023.pdfapplication/pdf2784572https://repository.urosario.edu.co/bitstreams/8cb13d57-d26a-48df-9882-f6ba09f1af88/download9f818f652bc8f5cb6f2e5a1d928a7332MD54CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81160https://repository.urosario.edu.co/bitstreams/ba2dd192-c8de-4d91-a080-291ed6b55e4c/download5643bfd9bcf29d560eeec56d584edaa9MD55TEXTDiseno-de-un-modelo-analitico-de-pronostico-AriasGarcia-Cristian-2023.pdf.txtDiseno-de-un-modelo-analitico-de-pronostico-AriasGarcia-Cristian-2023.pdf.txtExtracted texttext/plain101687https://repository.urosario.edu.co/bitstreams/fc0f868b-2741-4c6d-acd9-61e2920d7981/downloadc829649124cd9ede062cb9e15ad0b072MD56THUMBNAILDiseno-de-un-modelo-analitico-de-pronostico-AriasGarcia-Cristian-2023.pdf.jpgDiseno-de-un-modelo-analitico-de-pronostico-AriasGarcia-Cristian-2023.pdf.jpgGenerated Thumbnailimage/jpeg2225https://repository.urosario.edu.co/bitstreams/eaa41eb0-3a74-4382-ac55-e1fac3d4832c/download46ba7513c48a8637f032da516edb6c19MD5710336/40137oai:repository.urosario.edu.co:10336/401372023-07-13 03:01:43.3http://creativecommons.org/licenses/by-nc-sa/4.0/Attribution-NonCommercial-ShareAlike 4.0 Internationalhttps://repository.urosario.edu.coRepositorio institucional EdocURedocur@urosario.edu.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