Implementación de la Técnica de los K-Vecinos en un Algoritmo Recomendador para un Sistema de Compras Utilizando NFC y Android
Introducción: Este artículo se orienta en presentar el diseño de una aplicación móvil que involucra la tecnología NFC y un algoritmo recomendador colaborativo bajo la técnica de los K-vecinos, permitiendo observar sugerencias personalizadas para cada cliente.Objetivo: Diseñar y desarrollar una aplic...
- Autores:
-
Riveros, Oscar Arley
Romero, Juan Guillermo
Herrera, Jhon Francined
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2016
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/12148
- Palabra clave:
- Algorithm
android
application
database
feedback
mobile
products
recommender
server
Algoritmo recomendador
Android
aplicación
base de datos
móvil
productos
recomendador
retroalimentación
servidor.
- Rights
- openAccess
- License
- INGE CUC - 2017
| id |
RCUC2_c3c178930566e6b3dde2cd4ee72b1a4f |
|---|---|
| oai_identifier_str |
oai:repositorio.cuc.edu.co:11323/12148 |
| network_acronym_str |
RCUC2 |
| network_name_str |
REDICUC - Repositorio CUC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Implementación de la Técnica de los K-Vecinos en un Algoritmo Recomendador para un Sistema de Compras Utilizando NFC y Android |
| dc.title.translated.eng.fl_str_mv |
Implementation of the k -Neighbors Technique in a recommender algorithm for a purchasing system using NFC and Android |
| title |
Implementación de la Técnica de los K-Vecinos en un Algoritmo Recomendador para un Sistema de Compras Utilizando NFC y Android |
| spellingShingle |
Implementación de la Técnica de los K-Vecinos en un Algoritmo Recomendador para un Sistema de Compras Utilizando NFC y Android Algorithm android application database feedback mobile products recommender server Algoritmo recomendador Android aplicación base de datos móvil productos recomendador retroalimentación servidor. |
| title_short |
Implementación de la Técnica de los K-Vecinos en un Algoritmo Recomendador para un Sistema de Compras Utilizando NFC y Android |
| title_full |
Implementación de la Técnica de los K-Vecinos en un Algoritmo Recomendador para un Sistema de Compras Utilizando NFC y Android |
| title_fullStr |
Implementación de la Técnica de los K-Vecinos en un Algoritmo Recomendador para un Sistema de Compras Utilizando NFC y Android |
| title_full_unstemmed |
Implementación de la Técnica de los K-Vecinos en un Algoritmo Recomendador para un Sistema de Compras Utilizando NFC y Android |
| title_sort |
Implementación de la Técnica de los K-Vecinos en un Algoritmo Recomendador para un Sistema de Compras Utilizando NFC y Android |
| dc.creator.fl_str_mv |
Riveros, Oscar Arley Romero, Juan Guillermo Herrera, Jhon Francined |
| dc.contributor.author.spa.fl_str_mv |
Riveros, Oscar Arley Romero, Juan Guillermo Herrera, Jhon Francined |
| dc.subject.eng.fl_str_mv |
Algorithm android application database feedback mobile products recommender server |
| topic |
Algorithm android application database feedback mobile products recommender server Algoritmo recomendador Android aplicación base de datos móvil productos recomendador retroalimentación servidor. |
| dc.subject.spa.fl_str_mv |
Algoritmo recomendador Android aplicación base de datos móvil productos recomendador retroalimentación servidor. |
| description |
Introducción: Este artículo se orienta en presentar el diseño de una aplicación móvil que involucra la tecnología NFC y un algoritmo recomendador colaborativo bajo la técnica de los K-vecinos, permitiendo observar sugerencias personalizadas para cada cliente.Objetivo: Diseñar y desarrollar una aplicación móvil, usando tecnologías NFC y Técnica de los K-Vecinos en una Algoritmo recomendador, para un Sistema de Compras.Metodología: El proceso seguido para el diseño y desarrollo de la aplicación se enfoca en:• Revisión del estado del arte en los sistemas de compras móviles.• Construcción del Estado del arte en el uso de la Tecnología NFC y las técnicas de IA para sistemas recomendadores, enfocadas en los Algoritmos de K-Vecinos.• Diseño del sistema Propuesto• Parametrización e implementación de la Técnica de los K-Vecinos e integración de la Tecnología NFC.• Implementación y Pruebas del Sistema Propuesto.Resultados: Dentro de los resultados obtenidos se detallan:• Aplicación móvil que integra Android, Tecnologías NFC y una Técnica de Algoritmo Recomendador• Parametrización de la Técnica de los K-Vecinos, para ser usada dentro del algoritmo recomendador.• Implementación de requerimientos funcionales que permiten generar recomendaciones personalizadas de compra al usuario, calificaciones de usuario.Conclusiones: La técnica de los k-vecinos en un algoritmo recomendador permite suministrarle al cliente una serie recomendaciones con un nivel de seguridad, dado que este algoritmo realiza cálculos teniendo en cuenta múltiples parámetros y contrasta los resultados obtenidos para otros usuarios logrando encontrar los artículos con un mayor grado de similitud con el perfil del cliente. Este algoritmo parte de una muestra de productos similares, complementarios y otros no relacionados, aplicando su formulación respectiva, se obtiene que la recomendación se realiza únicamente con los productos complementarios que obtuvieron mayor calificación; marcando una gran diferencia con la mayoría de sistemas recomendadores del mercado, que sólo se limitan a sugerir los productos más vendidos, mejor calificados o de la misma categoría. |
| publishDate |
2016 |
| dc.date.issued.none.fl_str_mv |
2016-01-01 |
| dc.date.accessioned.none.fl_str_mv |
2017-01-01 00:00:00 2024-04-09T20:14:27Z |
| dc.date.available.none.fl_str_mv |
2017-01-01 00:00:00 2024-04-09T20:14:27Z |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.local.eng.fl_str_mv |
Journal article |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ART |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
publishedVersion |
| dc.identifier.issn.none.fl_str_mv |
0122-6517 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/11323/12148 |
| dc.identifier.url.none.fl_str_mv |
https://doi.org/10.17981/ingecuc.13.1.2017.01 |
| dc.identifier.doi.none.fl_str_mv |
10.17981/ingecuc.13.1.2017.01 |
| dc.identifier.eissn.none.fl_str_mv |
2382-4700 |
| identifier_str_mv |
0122-6517 10.17981/ingecuc.13.1.2017.01 2382-4700 |
| url |
https://hdl.handle.net/11323/12148 https://doi.org/10.17981/ingecuc.13.1.2017.01 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartofjournal.spa.fl_str_mv |
Inge Cuc |
| dc.relation.references.spa.fl_str_mv |
Gutiérrez, R. (2015). La era digital revoluciona el mundo del Shopper. Marketing News, Edición (59), pp. 20-21. [2] Izaguirre, E.E. (2015). Sistemas de recomendación en Apache Spark. Disponible enn: http://academica-e.unavarra.es/handle/2454/19015 . [3] Gomez, C.A., Hunt, N. (2016). The Netflix Recommender System: Algorith, Business Value, and Innovation. Journal ACM Transactions on Management Information Systems, 6, pp. 13,3-13,5. [4] Honhwei, D. (2013). NFC Technology: Today and Tomorrow. International Journal of Future Computer and Communication, 2, pp.351-353. [5] ISO. (2004). INTERNATIONAL STANDARD ISO/IEC 18092:2013 TECHNICAL CORRIGENDUM 1. Disponible en: http://www.iso.org/iso/catalogue_detail.htm?csnumber=38578 Nikitin, V. & Lazar, S. (2007, Marzo). ”An Overview of Near Field UHF RFID”. Presentado: IEEE International Conference on RFID, Texas, USA. [7] Maillo, J & Triguero I. (2003). Un enfoque MapReduce del algoritmo k-vecinos más cercanos para Big Data. ACM, 7, pp. 971-980. [8] Smith, S. (2016). Digital Commerce Transactions to surge: Market to see Sustantial Contributions from eCommerce Purchases. Disponible en: http://www.juniperresearch.com/press/press-releases/digital-commerce-transactions-to-surge-reaching-ov. [9] Coskum, V. & Ozdenizci, B. (2013). A Survey on Near Field Communication (NFC) Technology. Wireless Personal Communications, 71, pp. 2259-2294. [10] López, F.V. (2013). Técnicas eficientes para la recomendación de productos basadas en filtrado colaborativo (Tesis de Doctorado). Departamento de tecnologías de la información y de las comunicaciones, Universidad de Coruña, España. [11] Fuentes, J.J. (2009). Sistema Recomendador Turístico (Master en Ingeniería Telemática). Departamentos de Redes e Ingeniería, Universidad de Vigo, Orense, España. Pp. 34-38. [12] Sánchez, D.G. & Piza, I.E. (2013). Un algoritmo de clasificación incremental basado en los k-vecinos más similares para datos mezclados. Revista-Facultad de Ingeniería Universidad de Antioquia, 67, pp. 19-25. [13] Bobadilla, J. (2010). A new collaborative filtering metric that improves the behavior of recommender systems. Knowledge-Based Systems , 23, pp. 520-528. [14] Pita, F.S. & Pertega, D.S. (2001). Relación entre variables cuantitativas. Disponible en: https://www.fisterra.com/mbe/investiga/var_cuantitativas/var_cuantitativas2.pdf. [15] Ekstrand, J.T. & Konstan, J.A. (2011). Collaborative Filtering Recommender Systems. Now Foundations and Trends, 23, pp. 291-320. [16] Spreitzenbarth, M y Freiling, F. (2013, Marzo). “Having a deeper look into android applications”.Presentado en: Proceedings of the 28th Annual ACM Symposium on Applied Computing, New York, USA. pp.16-18. [17] Fielding, R & Gettys, J. (1999). Hypertext Transfer Protocol –HTTP/1.1. En: https://tools.ietf.org/html/rfc2616. Ainhoa, G.E. (2013). Uso del Contexto social en estrategias de marketing para sistemas recomendadores (Master en Investigación). Facultad de Informática, Universidad de Complutense, Madrid, España. [19] Sarwar, B. y Karypis, G. (2015). Collaborative Filtering Recommendation Algorithm. Advanced Science and Technology Letters, 111, pp. 143-146. [20] Hayder, N.K y Behadili, A.L. (2010). Classification Algorithms for Determining Handwritten Digit. Electrical and Electronic Engineering, 12, pp 96-99. [21] Carratala, O.J & Ruiz, E.V.(1996).Algoritmos de búsqueda de vecinos más próximos en espacios métricos (Tesis Doctoral), Departamento de Sistemas Informáticos y Computación, Universidad Politécnica de Valencia, España, pp. 123-125. [22] Maillo J. & Triguero, I. (2015). Un enfoque MapReduce del algoritmo k-vecinos m ́as cercanos para Big Data. Neurocomputing, 150, pp. 332-333. [23] Lineberger, J & Thompson, W. (2016). Recommendations Engine in a Layered Social Media Webpage. Patent Application Publication, pp 1-14. [24] García, S.E. & Romero, C.M. (2008). Sistema recomendador colaborativo usando minería de datos distribuida para la mejora continua de cursos e-learning. Electrical and Electronic Engineering, 3, pp. 19-20. |
| dc.relation.citationendpage.none.fl_str_mv |
18 |
| dc.relation.citationstartpage.none.fl_str_mv |
9 |
| dc.relation.citationissue.spa.fl_str_mv |
1 |
| dc.relation.citationvolume.spa.fl_str_mv |
13 |
| dc.relation.bitstream.none.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/download/1038/Riveros%20Rey https://revistascientificas.cuc.edu.co/ingecuc/article/download/1038/1621 https://revistascientificas.cuc.edu.co/ingecuc/article/download/1038/1622 |
| dc.relation.citationedition.spa.fl_str_mv |
Núm. 1 , Año 2017 : (Enero - Junio) |
| dc.rights.spa.fl_str_mv |
INGE CUC - 2017 |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
INGE CUC - 2017 https://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf application/vnd.openxmlformats-officedocument.wordprocessingml.document application/vnd.openxmlformats-officedocument.wordprocessingml.document |
| dc.publisher.spa.fl_str_mv |
Universidad de la Costa |
| dc.source.spa.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/view/1038 |
| institution |
Corporación Universidad de la Costa |
| bitstream.url.fl_str_mv |
https://repositorio.cuc.edu.co/bitstreams/5824d395-c3a3-4a79-aff0-6854d7bc825e/download |
| bitstream.checksum.fl_str_mv |
1e74ead0f5d7e787c839ce86142b953d |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
| repository.name.fl_str_mv |
Repositorio de la Universidad de la Costa CUC |
| repository.mail.fl_str_mv |
repdigital@cuc.edu.co |
| _version_ |
1811760728690917376 |
| spelling |
Riveros, Oscar ArleyRomero, Juan GuillermoHerrera, Jhon Francined2017-01-01 00:00:002024-04-09T20:14:27Z2017-01-01 00:00:002024-04-09T20:14:27Z2016-01-010122-6517https://hdl.handle.net/11323/12148https://doi.org/10.17981/ingecuc.13.1.2017.0110.17981/ingecuc.13.1.2017.012382-4700Introducción: Este artículo se orienta en presentar el diseño de una aplicación móvil que involucra la tecnología NFC y un algoritmo recomendador colaborativo bajo la técnica de los K-vecinos, permitiendo observar sugerencias personalizadas para cada cliente.Objetivo: Diseñar y desarrollar una aplicación móvil, usando tecnologías NFC y Técnica de los K-Vecinos en una Algoritmo recomendador, para un Sistema de Compras.Metodología: El proceso seguido para el diseño y desarrollo de la aplicación se enfoca en:• Revisión del estado del arte en los sistemas de compras móviles.• Construcción del Estado del arte en el uso de la Tecnología NFC y las técnicas de IA para sistemas recomendadores, enfocadas en los Algoritmos de K-Vecinos.• Diseño del sistema Propuesto• Parametrización e implementación de la Técnica de los K-Vecinos e integración de la Tecnología NFC.• Implementación y Pruebas del Sistema Propuesto.Resultados: Dentro de los resultados obtenidos se detallan:• Aplicación móvil que integra Android, Tecnologías NFC y una Técnica de Algoritmo Recomendador• Parametrización de la Técnica de los K-Vecinos, para ser usada dentro del algoritmo recomendador.• Implementación de requerimientos funcionales que permiten generar recomendaciones personalizadas de compra al usuario, calificaciones de usuario.Conclusiones: La técnica de los k-vecinos en un algoritmo recomendador permite suministrarle al cliente una serie recomendaciones con un nivel de seguridad, dado que este algoritmo realiza cálculos teniendo en cuenta múltiples parámetros y contrasta los resultados obtenidos para otros usuarios logrando encontrar los artículos con un mayor grado de similitud con el perfil del cliente. Este algoritmo parte de una muestra de productos similares, complementarios y otros no relacionados, aplicando su formulación respectiva, se obtiene que la recomendación se realiza únicamente con los productos complementarios que obtuvieron mayor calificación; marcando una gran diferencia con la mayoría de sistemas recomendadores del mercado, que sólo se limitan a sugerir los productos más vendidos, mejor calificados o de la misma categoría.Introduction: This paper aims to present the design of a mobile application involving NFC technology and a collaborative recommendation algorithm under the K-neighbors technique, allowing to observe personalized suggestions for each client.Objective: Design and develop a mobile application, using NFC technologies and K-Neighbors Technique in a recommendation algorithm, for a Procurement System.Methodology: The process followed for the design and development of the application focuses on:• Review of the state of the art in mobile shopping systems.• State-of-the-art construction in the use of NFC technology and AI techniques for recommending systems focused on K-Neighbors Algorithms• Proposed system design• Parameterization and implementation of the K-Neighbors Technique and integration of NFC Technology• Proposed System Implementation and Testing.Results: Among the results obtained are detailed:• Mobile application that integrates Android, NFC Technologies and a Technique of Algorithm Recommendation• Parameterization of the K-Neighbors Technique, to be used within the recommended algorithm.• Implementation of functional requirements that allow the generation of personalized recommendations for purchase to the user, user ratingsConclusions: The k-neighbors technique in a recommendation algorithm allows the client to provide a series of recommendations with a level of security, since this algorithm performs calculations taking into account multiple parameters and contrasts the results obtained for other users, finding the articles with a Greater degree of similarity with the customer profile. This algorithm starts from a sample of similar, complementary and other unrelated products, applying its respective formulation, we obtain that the recommendation is made only with the complementary products that obtained higher qualification; Making a big difference with most recommending systems on the market, which are limited to suggest the best-selling, best qualified or in the same category.application/pdfapplication/vnd.openxmlformats-officedocument.wordprocessingml.documentapplication/vnd.openxmlformats-officedocument.wordprocessingml.documentspaUniversidad de la CostaINGE CUC - 2017https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2https://revistascientificas.cuc.edu.co/ingecuc/article/view/1038AlgorithmandroidapplicationdatabasefeedbackmobileproductsrecommenderserverAlgoritmo recomendadorAndroidaplicaciónbase de datosmóvilproductosrecomendadorretroalimentaciónservidor.Implementación de la Técnica de los K-Vecinos en un Algoritmo Recomendador para un Sistema de Compras Utilizando NFC y AndroidImplementation of the k -Neighbors Technique in a recommender algorithm for a purchasing system using NFC and AndroidArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articleJournal articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Inge CucGutiérrez, R. (2015). La era digital revoluciona el mundo del Shopper. Marketing News, Edición (59), pp. 20-21. [2] Izaguirre, E.E. (2015). Sistemas de recomendación en Apache Spark. Disponible enn: http://academica-e.unavarra.es/handle/2454/19015 . [3] Gomez, C.A., Hunt, N. (2016). The Netflix Recommender System: Algorith, Business Value, and Innovation. Journal ACM Transactions on Management Information Systems, 6, pp. 13,3-13,5. [4] Honhwei, D. (2013). NFC Technology: Today and Tomorrow. International Journal of Future Computer and Communication, 2, pp.351-353. [5] ISO. (2004). INTERNATIONAL STANDARD ISO/IEC 18092:2013 TECHNICAL CORRIGENDUM 1. Disponible en: http://www.iso.org/iso/catalogue_detail.htm?csnumber=38578Nikitin, V. & Lazar, S. (2007, Marzo). ”An Overview of Near Field UHF RFID”. Presentado: IEEE International Conference on RFID, Texas, USA. [7] Maillo, J & Triguero I. (2003). Un enfoque MapReduce del algoritmo k-vecinos más cercanos para Big Data. ACM, 7, pp. 971-980. [8] Smith, S. (2016). Digital Commerce Transactions to surge: Market to see Sustantial Contributions from eCommerce Purchases. Disponible en: http://www.juniperresearch.com/press/press-releases/digital-commerce-transactions-to-surge-reaching-ov. [9] Coskum, V. & Ozdenizci, B. (2013). A Survey on Near Field Communication (NFC) Technology. Wireless Personal Communications, 71, pp. 2259-2294. [10] López, F.V. (2013). Técnicas eficientes para la recomendación de productos basadas en filtrado colaborativo (Tesis de Doctorado). Departamento de tecnologías de la información y de las comunicaciones, Universidad de Coruña, España. [11] Fuentes, J.J. (2009). Sistema Recomendador Turístico (Master en Ingeniería Telemática). Departamentos de Redes e Ingeniería, Universidad de Vigo, Orense, España. Pp. 34-38. [12] Sánchez, D.G. & Piza, I.E. (2013). Un algoritmo de clasificación incremental basado en los k-vecinos más similares para datos mezclados. Revista-Facultad de Ingeniería Universidad de Antioquia, 67, pp. 19-25. [13] Bobadilla, J. (2010). A new collaborative filtering metric that improves the behavior of recommender systems. Knowledge-Based Systems , 23, pp. 520-528. [14] Pita, F.S. & Pertega, D.S. (2001). Relación entre variables cuantitativas. Disponible en: https://www.fisterra.com/mbe/investiga/var_cuantitativas/var_cuantitativas2.pdf. [15] Ekstrand, J.T. & Konstan, J.A. (2011). Collaborative Filtering Recommender Systems. Now Foundations and Trends, 23, pp. 291-320. [16] Spreitzenbarth, M y Freiling, F. (2013, Marzo). “Having a deeper look into android applications”.Presentado en: Proceedings of the 28th Annual ACM Symposium on Applied Computing, New York, USA. pp.16-18. [17] Fielding, R & Gettys, J. (1999). Hypertext Transfer Protocol –HTTP/1.1. En: https://tools.ietf.org/html/rfc2616.Ainhoa, G.E. (2013). Uso del Contexto social en estrategias de marketing para sistemas recomendadores (Master en Investigación). Facultad de Informática, Universidad de Complutense, Madrid, España. [19] Sarwar, B. y Karypis, G. (2015). Collaborative Filtering Recommendation Algorithm. Advanced Science and Technology Letters, 111, pp. 143-146. [20] Hayder, N.K y Behadili, A.L. (2010). Classification Algorithms for Determining Handwritten Digit. Electrical and Electronic Engineering, 12, pp 96-99. [21] Carratala, O.J & Ruiz, E.V.(1996).Algoritmos de búsqueda de vecinos más próximos en espacios métricos (Tesis Doctoral), Departamento de Sistemas Informáticos y Computación, Universidad Politécnica de Valencia, España, pp. 123-125. [22] Maillo J. & Triguero, I. (2015). Un enfoque MapReduce del algoritmo k-vecinos m ́as cercanos para Big Data. Neurocomputing, 150, pp. 332-333. [23] Lineberger, J & Thompson, W. (2016). Recommendations Engine in a Layered Social Media Webpage. Patent Application Publication, pp 1-14. [24] García, S.E. & Romero, C.M. (2008). Sistema recomendador colaborativo usando minería de datos distribuida para la mejora continua de cursos e-learning. Electrical and Electronic Engineering, 3, pp. 19-20.189113https://revistascientificas.cuc.edu.co/ingecuc/article/download/1038/Riveros%20Reyhttps://revistascientificas.cuc.edu.co/ingecuc/article/download/1038/1621https://revistascientificas.cuc.edu.co/ingecuc/article/download/1038/1622Núm. 1 , Año 2017 : (Enero - Junio)PublicationOREORE.xmltext/xml2751https://repositorio.cuc.edu.co/bitstreams/5824d395-c3a3-4a79-aff0-6854d7bc825e/download1e74ead0f5d7e787c839ce86142b953dMD5111323/12148oai:repositorio.cuc.edu.co:11323/121482024-09-17 10:50:42.065https://creativecommons.org/licenses/by-nc-sa/4.0/INGE CUC - 2017metadata.onlyhttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.co |