Modelo de minería de datos para la detección y prevención de fraudes internos en las transacciones de caja del banco mundo mujer
Este trabajo permitió desarrollar un modelo de minería de datos para facilitar la detección y prevención de fraudes internos en las transacciones de caja del Banco Mundo Mujer. Se realizó una revisión sistémica de investigaciones realizadas sobre modelos de minería de datos para la detección del fra...
- Autores:
-
Andrade Mayor, Andres Felipe
Manzano calvache, Reynaldo
- Tipo de recurso:
- Fecha de publicación:
- 2022
- Institución:
- Tecnológico de Antioquia
- Repositorio:
- Repositorio Tdea
- Idioma:
- spa
- OAI Identifier:
- oai:dspace.tdea.edu.co:tdea/2829
- Acceso en línea:
- https://dspace.tdea.edu.co/handle/tdea/2829
- Palabra clave:
- Minería de datos
Detección de fraudes internos
CRISP-DM
Transacciones de caja
- Rights
- openAccess
- License
- Tecnológico de Antioquia, Institución Universitaria, 2023
| id |
RepoTdea2_e2d5d79961045c1b0bc10768d515c252 |
|---|---|
| oai_identifier_str |
oai:dspace.tdea.edu.co:tdea/2829 |
| network_acronym_str |
RepoTdea2 |
| network_name_str |
Repositorio Tdea |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Modelo de minería de datos para la detección y prevención de fraudes internos en las transacciones de caja del banco mundo mujer |
| title |
Modelo de minería de datos para la detección y prevención de fraudes internos en las transacciones de caja del banco mundo mujer |
| spellingShingle |
Modelo de minería de datos para la detección y prevención de fraudes internos en las transacciones de caja del banco mundo mujer Minería de datos Detección de fraudes internos CRISP-DM Transacciones de caja |
| title_short |
Modelo de minería de datos para la detección y prevención de fraudes internos en las transacciones de caja del banco mundo mujer |
| title_full |
Modelo de minería de datos para la detección y prevención de fraudes internos en las transacciones de caja del banco mundo mujer |
| title_fullStr |
Modelo de minería de datos para la detección y prevención de fraudes internos en las transacciones de caja del banco mundo mujer |
| title_full_unstemmed |
Modelo de minería de datos para la detección y prevención de fraudes internos en las transacciones de caja del banco mundo mujer |
| title_sort |
Modelo de minería de datos para la detección y prevención de fraudes internos en las transacciones de caja del banco mundo mujer |
| dc.creator.fl_str_mv |
Andrade Mayor, Andres Felipe Manzano calvache, Reynaldo |
| dc.contributor.advisor.none.fl_str_mv |
Valbuena Henao, Manuel Alexander Vidal Caicedo, Maria Isabel |
| dc.contributor.author.none.fl_str_mv |
Andrade Mayor, Andres Felipe Manzano calvache, Reynaldo |
| dc.contributor.jury.none.fl_str_mv |
Soto Duran, Dario Enrique Giraldo Mejia, Juan Camilo |
| dc.subject.proposal.none.fl_str_mv |
Minería de datos Detección de fraudes internos CRISP-DM Transacciones de caja |
| topic |
Minería de datos Detección de fraudes internos CRISP-DM Transacciones de caja |
| description |
Este trabajo permitió desarrollar un modelo de minería de datos para facilitar la detección y prevención de fraudes internos en las transacciones de caja del Banco Mundo Mujer. Se realizó una revisión sistémica de investigaciones realizadas sobre modelos de minería de datos para la detección del fraude en entidades financieras que ayudará a definir e implementar un algoritmo de minería de datos para el Banco Mundo Mujer. Para el desarrollo del trabajo se tomó como referencia la metodología CRISP-DM que permitió estandarizar el trabajo, enfocado en obtener el mejor provecho del uso de minería de datos, al entender de forma completa el problema planteado para la detección del posible fraude interno y el funcionamiento del negocio con los principales roles de la gerencia del banco. Lo anterior permitió realizar la recopilación y depuración de los datos necesarios, para interpretar y analizar los resultados encontrados, de esta forma se alcanzaron los objetivos planteados. Como resultado se obtuvo un modelo de asociación Bietápico con una distribución de los clústeres (82.9%, 6.2%, 5.6%, 5.0% y 0.3%), además tiene una buena silueta y cohesión de 56% que garantiza la heterogeneidad entre los segmentos y homogeneidad al interior de ellos y, lo que permite al área de auditoria detectar con mayor efectividad el fraude interno en los cajeros de las oficinas de Banco. |
| publishDate |
2022 |
| dc.date.issued.none.fl_str_mv |
2022-08-01 |
| dc.date.accessioned.none.fl_str_mv |
2023-04-27T15:25:59Z |
| dc.date.available.none.fl_str_mv |
2023-04-27T15:25:59Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://dspace.tdea.edu.co/handle/tdea/2829 |
| url |
https://dspace.tdea.edu.co/handle/tdea/2829 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Alvarez, F. (2020). Machine Learning en la detección de fraudes de comercio electrónico aplicado a los servicios bancarios. Ciencia y Tecnología, 79–93. https://doi.org/10.18682/cyt.vi0.4310 Arbeláez, J. C., Franco, L. C., Betancur, C., Murillo, J. G., Gallego, P. A., Henao, V. M., Londoño, J. A., Mejía, C. M., Palacio, D. M., Salazar, E., Salazar, L. F., Valderrama, N., & Varela, D. C. (2006). Riesgo Operacional: Reto Actual De Las Entidades Financieras. 5(9), 97–110. Asobancaria. (2019). Desafíos del riesgo cibernético en el sector financiero para Colombia y América Latina. https://www.asobancaria.com/wp-content/uploads/20191010-asobancaria-OEA_min.pdf Badillo, A. del C.-P. I.-J. C. A.-J. (2020). El papel de la Auditoría Interna en la prevención de fraude. https://www.kroll.com/es-mx/-/media/kroll-mx/pdfs/webinar-kroll-iaf-flai-fraude.pdf Cea D´Ancona, M., Blanco, F., Álvarez, M., Arribas, Á., Díaz, E., & Valles, M. (2012). Análisis de conglomerados (I): El procedimiento Conglomerados de K medias. SPSS 10. Guía Para El Análisis de Datos., I, 461–473. Costa, A., Herran, F., & Zamora, C. (2013). Orientaciones Técnicas Sobre la Aplicación de la NIIF para las Pymes Activos y Pasivos financieros. Consejo Técnico de La Contaduría Pública, 89. http://www.ctcp.gov.co/puerta/athena/_files/docs/1472852072-9672.pdf Dreispiel, G. F. (2020). Informe de Sostenibiidad PwC Colombia. https://www.pwc.com/co/es/responsabilidad-corporativa/informe-fy-20/informe-sostenibilidad-pwc-colombia.pdf Grisanti Belandria, A. (2016). Los Fraudes en las Organizaciones y el Papel de la Auditoría Forense en este Contexto. Sapienza Organizacional, 3(6), 11–36. https://www.redalyc.org/journal/5530/553056828002/html/ Guzmán. (2019). Métricas para la validación de Clustering. http://www.disi.unal.edu.co/profesores/eleonguz/cursos/md/presentaciones/Sesion13_validacion_Clustering.pdf Henao, M. V., María, L., Marín, G., Horacio, H., Villegas, J., César, C., Escobar, P., Maria, L., & Cano, S. (2021). Detección de fraudes por reclamos engañosos de clientes en entidades bancarias a través de técnicas de minería de datos : una revisión sistemática . https://www.proquest.com/openview/d6e8abf6973ed45892d16d473917df88/1.pdf?pq-origsite=gscholar&cbl=1006393 Kitchenham. (2019). Service function chaining across openstack and kubernetes domains. DEBS 2019 - Proceedings of the 13th ACM International Conference on Distributed and Event-Based Systems, 240–243. https://doi.org/10.1145/3328905.3332505 Moine, J. Mi., Haedo, A., & Gordillo, S. (2011). Estudio comparativo de metodologías para minería de datos. XIII Workshop de Investigadores En Ciencias de La Computación, 278–281. http://sedici.unlp.edu.ar/handle/10915/20034 Monleon-Getino, A. (2015). El impacto del Big-data en la Sociedad de la Información. Significado y utilidad”. Historia y Comunicación Social, 20(2), 427–445. https://doi.org/10.5209/rev_hics.2015.v20.n2.51392 Montalvo, S. E. E. (2020). Predicción de postulantes que cometeran fraude interno con algoritmo de aprendizaje supervisado. https://repositorio.ulima.edu.pe/bitstream/handle/20.500.12724/12355/Espinoza_Prediccion-postulantes-cometeran.pdf?sequence=1&isAllowed=y Pinho. (2010). Métodos de clasificación basados en asociacion aplicados a sistemas de recomendación. Tesis Doctoral Universidad de Salamanca. https://www.mendeley.com/catalog/métodos-clasificación-basados-en-asociacion-aplicados-sistemas-recomendación/?utm_source=desktop&utm_medium=1.14&utm_campaign=open_catalog&userDocumentId=%7B0266e5d0-3c99-48c8-aa76-fda6ff9bbd18%7D Ramírez. (2014). Universidad Nacional Agraria La Molina “Identificación De Perfiles De Clientes Crediticios Aplicando Técnicas De Segmentación Y Regresión Logística Multinomial” Magally Loidit Ramírez Soplin. http://repositorio.lamolina.edu.pe/bitstream/handle/20.500.12996/2280/E13-R35-T.pdf?sequence=1&isAllowed=y Ramírez, A., Martinez, A., Quesada, C., & Jenkins, M. (2020). Uso de técnicas de minería de datos y aprendizaje automático para la detección de fraudes en estados financieros: un mapeo sistemático de literatura. Revista Iberica de Sistmas y Tecnologías de Informacón, 28(April), 97–109. https://www.researchgate.net/publication/340654299 Riquelme, J. C., Ruiz, R., & Gilbert, K. (2006). Minería de datos: Conceptos y tendencias. Inteligencia Artificial, 10(29), 11–18. Rubio. (2017). El análisis de conglomerados bietápico o en dos fases. REIRE. Revista d’Innovaci� i Recerca En Educaci�, 10(10 (1)), 118–126. https://doi.org/10.1344/reire2017.10.11017 Rubio, J., & Arroyo, J. (2020). Detección de anomalías en el sistema de pagos del Ecuador. 1–29. https://estudioseconomicos.bce.fin.ec/index.php/RevistaCE/article/view/97 Ruiz, W. (2006). Técnicas de Minería de Datos Aplicadas en la Detección de Fraude:Estado del Arte. January 2006, 1–9. Sánchez, Á. S., Valencia, D. C., & Saldarriaga, V. (2016). Acercamiento a fraudes contables y sus principales efectos. Trabajos de Grado Contaduría UdeA, 6(1), 1–27. http://aprendeenlinea.udea.edu.co/revistas/index.php/tgcontaduria/article/view/323523/0 Shwartz & David. (2013). Understanding machine learning: From theory to algorithms. In Understanding Machine Learning: From Theory to Algorithms (Vol. 9781107057). https://doi.org/10.1017/CBO9781107298019 Storey, M. A., Singer, L., Cleary, B., Filho, F. F., & Zagalsky, A. (2014). The (R)evolution of social media in software engineering. Future of Software Engineering, FOSE 2014 - Proceedings, May, 100–116. https://doi.org/10.1145/2593882.2593887 Superintendencia Finianciera de Colombia. (2020). Consolidado Anual del Consumidor financiero. https://www.superfinanciera.gov.co/inicio/consumidor-financiero/informacion-general/quejas-contra-entidades-vigiladas/datos-estadisticos-cifras/informacion-estadistica-anual-11129 Supervisión, C. de, & Basilea, B. de. (2004). Comité de Supervisión Bancaria de Basilea Aplicación de Basilea II : aspectos prácticos. https://www.bis.org/publ/bcbs109esp.pdf West, J., Bhattacharya, M., & Islam, R. (2015). Intelligent financial fraud detection practices: An investigation. Lecture Notes of the Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering, LNICST, 153, 186–203. https://doi.org/10.1007/978-3-319-23802-9_16 |
| dc.rights.none.fl_str_mv |
Tecnológico de Antioquia, Institución Universitaria, 2023 |
| 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 |
Tecnológico de Antioquia, Institución Universitaria, 2023 http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
4 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Tecnológico de Antioquia |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Maestría en gestión de tecnologías de la información |
| dc.publisher.place.spa.fl_str_mv |
Medellín |
| institution |
Tecnológico de Antioquia |
| bitstream.url.fl_str_mv |
https://dspace.tdea.edu.co/bitstream/tdea/2829/1/Tesis%20Maestria_Tdea_Biblioteca.pdf https://dspace.tdea.edu.co/bitstream/tdea/2829/2/license.txt https://dspace.tdea.edu.co/bitstream/tdea/2829/3/Tesis%20Maestria_Tdea_Biblioteca.pdf.txt https://dspace.tdea.edu.co/bitstream/tdea/2829/4/Tesis%20Maestria_Tdea_Biblioteca.pdf.jpg |
| bitstream.checksum.fl_str_mv |
6019afeb369735f8cf9a9314decd8515 2f9959eaf5b71fae44bbf9ec84150c7a c091a52d767983646e2eed6410d611af 492ceb57eb982c22a04e55223ba21977 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Tecnologico de Antioquia |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1812189285382619136 |
| spelling |
Valbuena Henao, Manuel Alexanderebf379c6-a3c6-458a-9efa-65a28cf5d5beVidal Caicedo, Maria Isabel4fcb9825-0104-414c-a7b6-44ee6378c6a9Andrade Mayor, Andres Felipea9e8711b-1dfa-4e1d-ae27-807a047ba8d1Manzano calvache, Reynaldodb60717e-4753-40b3-b502-cbdec5f36292Soto Duran, Dario EnriqueGiraldo Mejia, Juan Camilo2023-04-27T15:25:59Z2023-04-27T15:25:59Z2022-08-01https://dspace.tdea.edu.co/handle/tdea/2829Este trabajo permitió desarrollar un modelo de minería de datos para facilitar la detección y prevención de fraudes internos en las transacciones de caja del Banco Mundo Mujer. Se realizó una revisión sistémica de investigaciones realizadas sobre modelos de minería de datos para la detección del fraude en entidades financieras que ayudará a definir e implementar un algoritmo de minería de datos para el Banco Mundo Mujer. Para el desarrollo del trabajo se tomó como referencia la metodología CRISP-DM que permitió estandarizar el trabajo, enfocado en obtener el mejor provecho del uso de minería de datos, al entender de forma completa el problema planteado para la detección del posible fraude interno y el funcionamiento del negocio con los principales roles de la gerencia del banco. Lo anterior permitió realizar la recopilación y depuración de los datos necesarios, para interpretar y analizar los resultados encontrados, de esta forma se alcanzaron los objetivos planteados. Como resultado se obtuvo un modelo de asociación Bietápico con una distribución de los clústeres (82.9%, 6.2%, 5.6%, 5.0% y 0.3%), además tiene una buena silueta y cohesión de 56% que garantiza la heterogeneidad entre los segmentos y homogeneidad al interior de ellos y, lo que permite al área de auditoria detectar con mayor efectividad el fraude interno en los cajeros de las oficinas de Banco.MaestríaMagister en gestión de tecnologías de la información4 páginasapplication/pdfspaTecnológico de AntioquiaFacultad de IngenieríaMaestría en gestión de tecnologías de la informaciónMedellínTecnológico de Antioquia, Institución Universitaria, 2023info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Modelo de minería de datos para la detección y prevención de fraudes internos en las transacciones de caja del banco mundo mujerTrabajo de grado - MaestríaTextinfo:eu-repo/semantics/masterThesishttp://purl.org/redcol/resource_type/TMinfo:eu-repo/semantics/acceptedVersionAlvarez, F. (2020). Machine Learning en la detección de fraudes de comercio electrónico aplicado a los servicios bancarios. Ciencia y Tecnología, 79–93. https://doi.org/10.18682/cyt.vi0.4310Arbeláez, J. C., Franco, L. C., Betancur, C., Murillo, J. G., Gallego, P. A., Henao, V. M., Londoño, J. A., Mejía, C. M., Palacio, D. M., Salazar, E., Salazar, L. F., Valderrama, N., & Varela, D. C. (2006). Riesgo Operacional: Reto Actual De Las Entidades Financieras. 5(9), 97–110.Asobancaria. (2019). Desafíos del riesgo cibernético en el sector financiero para Colombia y América Latina. https://www.asobancaria.com/wp-content/uploads/20191010-asobancaria-OEA_min.pdfBadillo, A. del C.-P. I.-J. C. A.-J. (2020). El papel de la Auditoría Interna en la prevención de fraude. https://www.kroll.com/es-mx/-/media/kroll-mx/pdfs/webinar-kroll-iaf-flai-fraude.pdfCea D´Ancona, M., Blanco, F., Álvarez, M., Arribas, Á., Díaz, E., & Valles, M. (2012). Análisis de conglomerados (I): El procedimiento Conglomerados de K medias. SPSS 10. Guía Para El Análisis de Datos., I, 461–473.Costa, A., Herran, F., & Zamora, C. (2013). Orientaciones Técnicas Sobre la Aplicación de la NIIF para las Pymes Activos y Pasivos financieros. Consejo Técnico de La Contaduría Pública, 89. http://www.ctcp.gov.co/puerta/athena/_files/docs/1472852072-9672.pdfDreispiel, G. F. (2020). Informe de Sostenibiidad PwC Colombia. https://www.pwc.com/co/es/responsabilidad-corporativa/informe-fy-20/informe-sostenibilidad-pwc-colombia.pdfGrisanti Belandria, A. (2016). Los Fraudes en las Organizaciones y el Papel de la Auditoría Forense en este Contexto. Sapienza Organizacional, 3(6), 11–36. https://www.redalyc.org/journal/5530/553056828002/html/Guzmán. (2019). Métricas para la validación de Clustering. http://www.disi.unal.edu.co/profesores/eleonguz/cursos/md/presentaciones/Sesion13_validacion_Clustering.pdfHenao, M. V., María, L., Marín, G., Horacio, H., Villegas, J., César, C., Escobar, P., Maria, L., & Cano, S. (2021). Detección de fraudes por reclamos engañosos de clientes en entidades bancarias a través de técnicas de minería de datos : una revisión sistemática . https://www.proquest.com/openview/d6e8abf6973ed45892d16d473917df88/1.pdf?pq-origsite=gscholar&cbl=1006393Kitchenham. (2019). Service function chaining across openstack and kubernetes domains. DEBS 2019 - Proceedings of the 13th ACM International Conference on Distributed and Event-Based Systems, 240–243. https://doi.org/10.1145/3328905.3332505Moine, J. Mi., Haedo, A., & Gordillo, S. (2011). Estudio comparativo de metodologías para minería de datos. XIII Workshop de Investigadores En Ciencias de La Computación, 278–281. http://sedici.unlp.edu.ar/handle/10915/20034Monleon-Getino, A. (2015). El impacto del Big-data en la Sociedad de la Información. Significado y utilidad”. Historia y Comunicación Social, 20(2), 427–445. https://doi.org/10.5209/rev_hics.2015.v20.n2.51392Montalvo, S. E. E. (2020). Predicción de postulantes que cometeran fraude interno con algoritmo de aprendizaje supervisado. https://repositorio.ulima.edu.pe/bitstream/handle/20.500.12724/12355/Espinoza_Prediccion-postulantes-cometeran.pdf?sequence=1&isAllowed=yPinho. (2010). Métodos de clasificación basados en asociacion aplicados a sistemas de recomendación. Tesis Doctoral Universidad de Salamanca. https://www.mendeley.com/catalog/métodos-clasificación-basados-en-asociacion-aplicados-sistemas-recomendación/?utm_source=desktop&utm_medium=1.14&utm_campaign=open_catalog&userDocumentId=%7B0266e5d0-3c99-48c8-aa76-fda6ff9bbd18%7DRamírez. (2014). Universidad Nacional Agraria La Molina “Identificación De Perfiles De Clientes Crediticios Aplicando Técnicas De Segmentación Y Regresión Logística Multinomial” Magally Loidit Ramírez Soplin. http://repositorio.lamolina.edu.pe/bitstream/handle/20.500.12996/2280/E13-R35-T.pdf?sequence=1&isAllowed=yRamírez, A., Martinez, A., Quesada, C., & Jenkins, M. (2020). Uso de técnicas de minería de datos y aprendizaje automático para la detección de fraudes en estados financieros: un mapeo sistemático de literatura. Revista Iberica de Sistmas y Tecnologías de Informacón, 28(April), 97–109. https://www.researchgate.net/publication/340654299Riquelme, J. C., Ruiz, R., & Gilbert, K. (2006). Minería de datos: Conceptos y tendencias. Inteligencia Artificial, 10(29), 11–18.Rubio. (2017). El análisis de conglomerados bietápico o en dos fases. REIRE. Revista d’Innovaci� i Recerca En Educaci�, 10(10 (1)), 118–126. https://doi.org/10.1344/reire2017.10.11017Rubio, J., & Arroyo, J. (2020). Detección de anomalías en el sistema de pagos del Ecuador. 1–29. https://estudioseconomicos.bce.fin.ec/index.php/RevistaCE/article/view/97Ruiz, W. (2006). Técnicas de Minería de Datos Aplicadas en la Detección de Fraude:Estado del Arte. January 2006, 1–9.Sánchez, Á. S., Valencia, D. C., & Saldarriaga, V. (2016). Acercamiento a fraudes contables y sus principales efectos. Trabajos de Grado Contaduría UdeA, 6(1), 1–27. http://aprendeenlinea.udea.edu.co/revistas/index.php/tgcontaduria/article/view/323523/0Shwartz & David. (2013). Understanding machine learning: From theory to algorithms. In Understanding Machine Learning: From Theory to Algorithms (Vol. 9781107057). https://doi.org/10.1017/CBO9781107298019Storey, M. A., Singer, L., Cleary, B., Filho, F. F., & Zagalsky, A. (2014). The (R)evolution of social media in software engineering. Future of Software Engineering, FOSE 2014 - Proceedings, May, 100–116. https://doi.org/10.1145/2593882.2593887Superintendencia Finianciera de Colombia. (2020). Consolidado Anual del Consumidor financiero. https://www.superfinanciera.gov.co/inicio/consumidor-financiero/informacion-general/quejas-contra-entidades-vigiladas/datos-estadisticos-cifras/informacion-estadistica-anual-11129Supervisión, C. de, & Basilea, B. de. (2004). Comité de Supervisión Bancaria de Basilea Aplicación de Basilea II : aspectos prácticos. https://www.bis.org/publ/bcbs109esp.pdfWest, J., Bhattacharya, M., & Islam, R. (2015). Intelligent financial fraud detection practices: An investigation. Lecture Notes of the Institute for Computer Sciences, Social-Informatics and Telecommunications Engineering, LNICST, 153, 186–203. https://doi.org/10.1007/978-3-319-23802-9_16Minería de datosDetección de fraudes internosCRISP-DMTransacciones de cajaORIGINALTesis Maestria_Tdea_Biblioteca.pdfTesis Maestria_Tdea_Biblioteca.pdfSíntesisapplication/pdf178935https://dspace.tdea.edu.co/bitstream/tdea/2829/1/Tesis%20Maestria_Tdea_Biblioteca.pdf6019afeb369735f8cf9a9314decd8515MD51open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-814828https://dspace.tdea.edu.co/bitstream/tdea/2829/2/license.txt2f9959eaf5b71fae44bbf9ec84150c7aMD52open accessTEXTTesis Maestria_Tdea_Biblioteca.pdf.txtTesis Maestria_Tdea_Biblioteca.pdf.txtExtracted texttext/plain10325https://dspace.tdea.edu.co/bitstream/tdea/2829/3/Tesis%20Maestria_Tdea_Biblioteca.pdf.txtc091a52d767983646e2eed6410d611afMD53open accessTHUMBNAILTesis Maestria_Tdea_Biblioteca.pdf.jpgTesis Maestria_Tdea_Biblioteca.pdf.jpgGenerated Thumbnailimage/jpeg5612https://dspace.tdea.edu.co/bitstream/tdea/2829/4/Tesis%20Maestria_Tdea_Biblioteca.pdf.jpg492ceb57eb982c22a04e55223ba21977MD54open accesstdea/2829oai:dspace.tdea.edu.co:tdea/28292023-04-28 03:02:33.197open accessRepositorio Institucional Tecnologico de Antioquiabdigital@metabiblioteca.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 |