Creación y pronóstico de indicadores de desempleo en Bogotá durante la pandemia del COVID-19 a partir de Google Trends

En este documento se propone crear indicadores para la tasa de desempleo basados en Google Trends (GT). Para esto se seleccionan palabras clave relacionadas a la búsqueda de empleo, que tengan una relación fuerte y positiva con la tasa de desempleo bogotana. Seleccionadas las palabras se crean los Í...

Full description

Autores:
Guerrero Peñaranda, Luis Alberto
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2022
Institución:
Colegio Mayor de Cundinamarca
Repositorio:
Repositorio Colegio Mayor de Cundinamarca
Idioma:
spa
OAI Identifier:
oai:repositorio.unicolmayor.edu.co:unicolmayor/6770
Acceso en línea:
https://repositorio.unicolmayor.edu.co/handle/unicolmayor/6770
Palabra clave:
Desempleo
Google Trends
SARIMA
Indicadores lideres
Rights
closedAccess
License
Derechos Reservados - Universidad Colegio Mayor de Cundinamarca, 2024
id UCOLMAYOR2_e81dabc4e71c42bb15fbebed7496554c
oai_identifier_str oai:repositorio.unicolmayor.edu.co:unicolmayor/6770
network_acronym_str UCOLMAYOR2
network_name_str Repositorio Colegio Mayor de Cundinamarca
repository_id_str
dc.title.spa.fl_str_mv Creación y pronóstico de indicadores de desempleo en Bogotá durante la pandemia del COVID-19 a partir de Google Trends
title Creación y pronóstico de indicadores de desempleo en Bogotá durante la pandemia del COVID-19 a partir de Google Trends
spellingShingle Creación y pronóstico de indicadores de desempleo en Bogotá durante la pandemia del COVID-19 a partir de Google Trends
Desempleo
Google Trends
SARIMA
Indicadores lideres
title_short Creación y pronóstico de indicadores de desempleo en Bogotá durante la pandemia del COVID-19 a partir de Google Trends
title_full Creación y pronóstico de indicadores de desempleo en Bogotá durante la pandemia del COVID-19 a partir de Google Trends
title_fullStr Creación y pronóstico de indicadores de desempleo en Bogotá durante la pandemia del COVID-19 a partir de Google Trends
title_full_unstemmed Creación y pronóstico de indicadores de desempleo en Bogotá durante la pandemia del COVID-19 a partir de Google Trends
title_sort Creación y pronóstico de indicadores de desempleo en Bogotá durante la pandemia del COVID-19 a partir de Google Trends
dc.creator.fl_str_mv Guerrero Peñaranda, Luis Alberto
dc.contributor.advisor.none.fl_str_mv Buesaquillo Salazar, Diego Andrés
dc.contributor.author.none.fl_str_mv Guerrero Peñaranda, Luis Alberto
dc.contributor.corporatename.spa.fl_str_mv Universidad Colegio Mayor de Cundinamarca
dc.subject.proposal.spa.fl_str_mv Desempleo
Google Trends
SARIMA
Indicadores lideres
topic Desempleo
Google Trends
SARIMA
Indicadores lideres
description En este documento se propone crear indicadores para la tasa de desempleo basados en Google Trends (GT). Para esto se seleccionan palabras clave relacionadas a la búsqueda de empleo, que tengan una relación fuerte y positiva con la tasa de desempleo bogotana. Seleccionadas las palabras se crean los Índices de Google Trends (IGT, IGT2, IGT3). Con los modelos SARIMA se escoge la mejor predicción por medio del MAPE y RMSE. De este resultado se concluye que el mejor indicador para el desempleo bogotano es IGT con los parámetros (2,2,4) � (2,2,0,12). Por último se recalca que las predicciones son buenas en el corto plazo y que es posible saber el comportamiento (aumentos o disminuciones) de la tasa de desempleo por medio de los IGT con las palabras clave más relacionadas al desempleo, siempre teniendo en cuenta el contexto del periodo de tiempo estudiado
publishDate 2022
dc.date.issued.none.fl_str_mv 2022
dc.date.accessioned.none.fl_str_mv 2024-04-24T15:47:44Z
dc.date.available.none.fl_str_mv 2024-04-24T15:47:44Z
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion.spa.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.content.spa.fl_str_mv Text
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.redcol.spa.fl_str_mv https://purl.org/redcol/resource_type/TP
dc.type.version.spa.fl_str_mv info:eu-repo/semantics/publishedVersion
format http://purl.org/coar/resource_type/c_7a1f
status_str publishedVersion
dc.identifier.uri.none.fl_str_mv https://repositorio.unicolmayor.edu.co/handle/unicolmayor/6770
url https://repositorio.unicolmayor.edu.co/handle/unicolmayor/6770
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Angelini, E., Ba´nbura, M., Runstler, G. (2008). “Estimating and Forecasting the Euro Area Monthly National Accounts From a Dynamic Factor Model”, ECB Working Paper Series, 953. Recuperado de https://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp953.pdf
Angelini, E., Camba-Mendez, G., Giannone, D., Reichlin, L. (2011). ”ShortTerm Forecasts of Euro Area GDP Growth”, The Econometrics Journal, 14(1), C25-C44. Recuperado de https://www.jstor.org/stable/23127215
Askitas, N., Zimmermann, K. (2009). Google Econometrics and Unemployment Forecasting. Applied Economics Quarterly, 107-120. Recuperado de https://ftp.iza.org/dp4201.pdf
Barreira, N., Godinho, P., y Melo, P. (2013). Nowcasting unemployment rate and new car sales in south-western Europe with Google Trends. Netnomics, 129–165. doi:https://doi.org/10.1007/s11066-013-9082-8
Boettcher, I. (2015). “Automatic Data Collection on the Internet (Web Scraping)”, New Techniques and Technologies for Statistics, Eurostat Conference, 9-13 March 2015. Recuperado de https://ec.europa.eu/eurostat/cros/system/files/NTTS2015%20proceedings.pdf_en
Campos, R., López-Araiza, S. (2020). GRANDES DATOS, GOOGLE Y DESEMPLEO. Estudios Económicos, 35(1), 125-151. Recuperado de https://www.jstor.org/stable/26863997
Cardona, L., Rojas, J. (2017). Pronósticos para la tasa de desempleo en Colombia. Archivos de economía. Recuperado de https://colaboracion.dnp.gov.co/CDT/Estudios%20Econmicos/468.pdf
Cavallo, A., Rigobon, R. (2016). “The Billion Prices Project: Using Online Prices for Measurement and Research”. The Journal of Economic Perspectives, 30(2), 151-178. Recuperado de https://www.aeaweb.org/articles?id=10.1257/jep.30.2.151
Cerchiello, P., Giudici, P. (2014). “How to Measure the Quality of Financial Tweets”. Working Paper, ECB Workshop on using big data for forecasting and statistics, 07-08/04/2014, Frankfurt.
Chadwick, M., Gönül, Ş. (2012). Nowcasting Unemployment Rate in Turkey: Let's Ask Google. Central Bank of the Republic of Turkey. Recuperado de https://www.tcmb.gov.tr/wps/wcm/connect/635829fc-6c5f-4249-ab78-96fdc3a62cc8/WP1218.pdf?MOD=AJPERESyCACHEID=ROOTWORKSPACE-635829fc-6c5f-4249-ab78-96fdc3a62cc8-m3fw5-6
Chamberlin, G. (2010). Googling the present. Economic and Labour Market Review, 59-95. doi:https://doi.org/10.1057/elmr.2010.166
Chang, J., Del Río, A. (2013). Google Trends: Predicción del nivel de empleo agregado en Perú usando datos en tiempo real, 2005-2011. Banco Central de Reserva del Perú. Recuperado de https://www.bcrp.gob.pe/docs/Publicaciones/Documentos-de-Trabajo/2013/documento-de-trabajo-15-2013.pdf
Chen, L., Fan, S. y Lee, W-J. "Short-Term Load Forecasting Using Comprehensive Combination Based on Multimeteorological Information," in IEEE Transactions on Industry Applications, vol. 45, no. 4, pp. 1460-1466, July-aug. 2009, doi: 10.1109/TIA.2009.2023571.
Choi, H., Varian, H. (2009a). Predicting the Present with Google Trends. USA: Google Inc. Recuperado de https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1659302
Choi, H., Varian, H. (2009b). Predicting Initial Claims for Unemployment Benefits. Recuperado de https://static.googleusercontent.com/media/research.google.com/es//archive/papers/initialclaimsUS.pdf
Choi, H., Varian, H. (2012). Predicting the Present with Google Trends. THE ECONOMIC RECORD, 88, 2–9. Recuperado de https://doi.org/10.1111/j.1475-4932.2012.00809.x
Ettredge, M., Gerdes, J., y Karuga, G. (2005). Using Web-based Search Data to Predict Macroeconomic Statistics. COMMUNICATIONS OF THE ACM, 87-92. Recuperado de https://www.researchgate.net/publication/200110929_Using_Web-based_search_data_to_predict_macroeconomic_statistics
Giannone, D., Reichlin, L., Simonelli (2009). “Nowcasting Euro Area Economic Activity in Real-Time: The Role of Confidence Indicators”, National Institute Economic Review, 210, 90-97. Recuperado de https://www.jstor.org/stable/23881019
Ginsberg, J., Mohebbi, M., Patel, R., Brammer, L., Smolinski, M., y Brilliant, L. (2009). Detecting influenza epidemics using search engine. Nature, 457, 1012-1015. doi:https://doi.org/10.1038/nature07634
Griffioen, R., de Haan, J., Willenborg, L. (2014). “Collecting Clothing Data from the Internet”, Statistics Netherlands Technical Report. Recuperado de https://unece.org/fileadmin/DAM/stats/documents/ece/ces/ge.22/2014/UNECE-ILO_2014_Griffioen_deHaan_Willenborg.pdf
Heston, S. L., Sinha, N. R. (2014). “News versus Sentiment: Comparing Textual Processing Approaches for Predicting Stock Returns”, Working Paper. Recuperado de https://finpko.ku.edu/myssi/FIN938/Heston%20&%20Sinha_News%20vs%20Sentiment_WP_2014.pdf
Varian, H. (2014). Big Data: New Tricks for Econometrics. Journal of Economic Perspectives, 28(2), 3–28. doi:10.1257/jep.28.2.3
Yiu, M. S., Chow, K. K. (2010). “Nowcasting Chinese GDP: Information Content of Economic and Financial Data”, China Economic Journal, 3(3), 223-240. Recuperado de https://www.researchgate.net/publication/228272415_Nowcasting_Chinese_GDP_Information_Content_of_Economic_and_Financial_Data
dc.rights.spa.fl_str_mv Derechos Reservados - Universidad Colegio Mayor de Cundinamarca, 2024
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by-nc/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/closedAccess
dc.rights.creativecommons.spa.fl_str_mv Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_14cb
rights_invalid_str_mv Derechos Reservados - Universidad Colegio Mayor de Cundinamarca, 2024
https://creativecommons.org/licenses/by-nc/4.0/
Atribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
http://purl.org/coar/access_right/c_14cb
eu_rights_str_mv closedAccess
dc.format.extent.spa.fl_str_mv 37p.
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad Colegio Mayor de Cundinamarca
dc.publisher.faculty.spa.fl_str_mv Facultad de Administración y Economía
dc.publisher.place.spa.fl_str_mv Bogotá
dc.publisher.program.spa.fl_str_mv Economía
institution Colegio Mayor de Cundinamarca
bitstream.url.fl_str_mv https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/1/Luis%20Guerrero_working%20paper.pdf
https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/2/Guerrero%20Pe%c3%b1aranda%20Luis%20Alberto.pdf
https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/3/FORMATO%20IDENTIFICACI%c3%93N%20TRABAJOS%20DE%20GRADO.pdf
https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/4/license.txt
https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/5/Luis%20Guerrero_working%20paper.pdf.txt
https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/7/Guerrero%20Pe%c3%b1aranda%20Luis%20Alberto.pdf.txt
https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/9/FORMATO%20IDENTIFICACI%c3%93N%20TRABAJOS%20DE%20GRADO.pdf.txt
https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/6/Luis%20Guerrero_working%20paper.pdf.jpg
https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/8/Guerrero%20Pe%c3%b1aranda%20Luis%20Alberto.pdf.jpg
https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/10/FORMATO%20IDENTIFICACI%c3%93N%20TRABAJOS%20DE%20GRADO.pdf.jpg
bitstream.checksum.fl_str_mv f6176cfa6f88786f72e6201190abe440
ae540e98ed0e6a3bdb29b5d44e418634
4c67497976e9354fddaac7437f053109
2f9959eaf5b71fae44bbf9ec84150c7a
dcb20715671ddde614627602f34abc69
a3487209e4a219a98c4b77046bf858fa
66d3887d3fd5120371b25ba73fd48d80
094b785558eea2d7f23aac0a8315709d
93308ccef7bf7d35c1ccc9802bccfdca
bf521fce02ba15ff963ef5602769be94
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital Unicolmayor
repository.mail.fl_str_mv repositorio@unicolmayor.edu.co
_version_ 1812210053788205056
spelling Buesaquillo Salazar, Diego Andrésa59326ebae012649c972f99506da5815Guerrero Peñaranda, Luis Alberto758377e6c6d91dc7fbbc4f67f1f1aa32Universidad Colegio Mayor de Cundinamarca2024-04-24T15:47:44Z2024-04-24T15:47:44Z2022https://repositorio.unicolmayor.edu.co/handle/unicolmayor/6770En este documento se propone crear indicadores para la tasa de desempleo basados en Google Trends (GT). Para esto se seleccionan palabras clave relacionadas a la búsqueda de empleo, que tengan una relación fuerte y positiva con la tasa de desempleo bogotana. Seleccionadas las palabras se crean los Índices de Google Trends (IGT, IGT2, IGT3). Con los modelos SARIMA se escoge la mejor predicción por medio del MAPE y RMSE. De este resultado se concluye que el mejor indicador para el desempleo bogotano es IGT con los parámetros (2,2,4) � (2,2,0,12). Por último se recalca que las predicciones son buenas en el corto plazo y que es posible saber el comportamiento (aumentos o disminuciones) de la tasa de desempleo por medio de los IGT con las palabras clave más relacionadas al desempleo, siempre teniendo en cuenta el contexto del periodo de tiempo estudiadoPregradoEconomista37p.application/pdfspaUniversidad Colegio Mayor de CundinamarcaFacultad de Administración y EconomíaBogotáEconomíaDerechos Reservados - Universidad Colegio Mayor de Cundinamarca, 2024https://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/closedAccessAtribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)http://purl.org/coar/access_right/c_14cbCreación y pronóstico de indicadores de desempleo en Bogotá durante la pandemia del COVID-19 a partir de Google TrendsTrabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Textinfo:eu-repo/semantics/bachelorThesishttps://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/publishedVersionAngelini, E., Ba´nbura, M., Runstler, G. (2008). “Estimating and Forecasting the Euro Area Monthly National Accounts From a Dynamic Factor Model”, ECB Working Paper Series, 953. Recuperado de https://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp953.pdfAngelini, E., Camba-Mendez, G., Giannone, D., Reichlin, L. (2011). ”ShortTerm Forecasts of Euro Area GDP Growth”, The Econometrics Journal, 14(1), C25-C44. Recuperado de https://www.jstor.org/stable/23127215Askitas, N., Zimmermann, K. (2009). Google Econometrics and Unemployment Forecasting. Applied Economics Quarterly, 107-120. Recuperado de https://ftp.iza.org/dp4201.pdfBarreira, N., Godinho, P., y Melo, P. (2013). Nowcasting unemployment rate and new car sales in south-western Europe with Google Trends. Netnomics, 129–165. doi:https://doi.org/10.1007/s11066-013-9082-8Boettcher, I. (2015). “Automatic Data Collection on the Internet (Web Scraping)”, New Techniques and Technologies for Statistics, Eurostat Conference, 9-13 March 2015. Recuperado de https://ec.europa.eu/eurostat/cros/system/files/NTTS2015%20proceedings.pdf_enCampos, R., López-Araiza, S. (2020). GRANDES DATOS, GOOGLE Y DESEMPLEO. Estudios Económicos, 35(1), 125-151. Recuperado de https://www.jstor.org/stable/26863997Cardona, L., Rojas, J. (2017). Pronósticos para la tasa de desempleo en Colombia. Archivos de economía. Recuperado de https://colaboracion.dnp.gov.co/CDT/Estudios%20Econmicos/468.pdfCavallo, A., Rigobon, R. (2016). “The Billion Prices Project: Using Online Prices for Measurement and Research”. The Journal of Economic Perspectives, 30(2), 151-178. Recuperado de https://www.aeaweb.org/articles?id=10.1257/jep.30.2.151Cerchiello, P., Giudici, P. (2014). “How to Measure the Quality of Financial Tweets”. Working Paper, ECB Workshop on using big data for forecasting and statistics, 07-08/04/2014, Frankfurt.Chadwick, M., Gönül, Ş. (2012). Nowcasting Unemployment Rate in Turkey: Let's Ask Google. Central Bank of the Republic of Turkey. Recuperado de https://www.tcmb.gov.tr/wps/wcm/connect/635829fc-6c5f-4249-ab78-96fdc3a62cc8/WP1218.pdf?MOD=AJPERESyCACHEID=ROOTWORKSPACE-635829fc-6c5f-4249-ab78-96fdc3a62cc8-m3fw5-6Chamberlin, G. (2010). Googling the present. Economic and Labour Market Review, 59-95. doi:https://doi.org/10.1057/elmr.2010.166Chang, J., Del Río, A. (2013). Google Trends: Predicción del nivel de empleo agregado en Perú usando datos en tiempo real, 2005-2011. Banco Central de Reserva del Perú. Recuperado de https://www.bcrp.gob.pe/docs/Publicaciones/Documentos-de-Trabajo/2013/documento-de-trabajo-15-2013.pdfChen, L., Fan, S. y Lee, W-J. "Short-Term Load Forecasting Using Comprehensive Combination Based on Multimeteorological Information," in IEEE Transactions on Industry Applications, vol. 45, no. 4, pp. 1460-1466, July-aug. 2009, doi: 10.1109/TIA.2009.2023571.Choi, H., Varian, H. (2009a). Predicting the Present with Google Trends. USA: Google Inc. Recuperado de https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1659302Choi, H., Varian, H. (2009b). Predicting Initial Claims for Unemployment Benefits. Recuperado de https://static.googleusercontent.com/media/research.google.com/es//archive/papers/initialclaimsUS.pdfChoi, H., Varian, H. (2012). Predicting the Present with Google Trends. THE ECONOMIC RECORD, 88, 2–9. Recuperado de https://doi.org/10.1111/j.1475-4932.2012.00809.xEttredge, M., Gerdes, J., y Karuga, G. (2005). Using Web-based Search Data to Predict Macroeconomic Statistics. COMMUNICATIONS OF THE ACM, 87-92. Recuperado de https://www.researchgate.net/publication/200110929_Using_Web-based_search_data_to_predict_macroeconomic_statisticsGiannone, D., Reichlin, L., Simonelli (2009). “Nowcasting Euro Area Economic Activity in Real-Time: The Role of Confidence Indicators”, National Institute Economic Review, 210, 90-97. Recuperado de https://www.jstor.org/stable/23881019Ginsberg, J., Mohebbi, M., Patel, R., Brammer, L., Smolinski, M., y Brilliant, L. (2009). Detecting influenza epidemics using search engine. Nature, 457, 1012-1015. doi:https://doi.org/10.1038/nature07634Griffioen, R., de Haan, J., Willenborg, L. (2014). “Collecting Clothing Data from the Internet”, Statistics Netherlands Technical Report. Recuperado de https://unece.org/fileadmin/DAM/stats/documents/ece/ces/ge.22/2014/UNECE-ILO_2014_Griffioen_deHaan_Willenborg.pdfHeston, S. L., Sinha, N. R. (2014). “News versus Sentiment: Comparing Textual Processing Approaches for Predicting Stock Returns”, Working Paper. Recuperado de https://finpko.ku.edu/myssi/FIN938/Heston%20&%20Sinha_News%20vs%20Sentiment_WP_2014.pdfVarian, H. (2014). Big Data: New Tricks for Econometrics. Journal of Economic Perspectives, 28(2), 3–28. doi:10.1257/jep.28.2.3Yiu, M. S., Chow, K. K. (2010). “Nowcasting Chinese GDP: Information Content of Economic and Financial Data”, China Economic Journal, 3(3), 223-240. Recuperado de https://www.researchgate.net/publication/228272415_Nowcasting_Chinese_GDP_Information_Content_of_Economic_and_Financial_DataDesempleoGoogle TrendsSARIMAIndicadores lideresORIGINALLuis Guerrero_working paper.pdfLuis Guerrero_working paper.pdfapplication/pdf1673047https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/1/Luis%20Guerrero_working%20paper.pdff6176cfa6f88786f72e6201190abe440MD51open accessGuerrero Peñaranda Luis Alberto.pdfGuerrero Peñaranda Luis Alberto.pdfapplication/pdf143252https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/2/Guerrero%20Pe%c3%b1aranda%20Luis%20Alberto.pdfae540e98ed0e6a3bdb29b5d44e418634MD52metadata only accessFORMATO IDENTIFICACIÓN TRABAJOS DE GRADO.pdfFORMATO IDENTIFICACIÓN TRABAJOS DE GRADO.pdfapplication/pdf144098https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/3/FORMATO%20IDENTIFICACI%c3%93N%20TRABAJOS%20DE%20GRADO.pdf4c67497976e9354fddaac7437f053109MD53metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-814828https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/4/license.txt2f9959eaf5b71fae44bbf9ec84150c7aMD54open accessTEXTLuis Guerrero_working paper.pdf.txtLuis Guerrero_working paper.pdf.txtExtracted texttext/plain49991https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/5/Luis%20Guerrero_working%20paper.pdf.txtdcb20715671ddde614627602f34abc69MD55open accessGuerrero Peñaranda Luis Alberto.pdf.txtGuerrero Peñaranda Luis Alberto.pdf.txtExtracted texttext/plain1098https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/7/Guerrero%20Pe%c3%b1aranda%20Luis%20Alberto.pdf.txta3487209e4a219a98c4b77046bf858faMD57metadata only accessFORMATO IDENTIFICACIÓN TRABAJOS DE GRADO.pdf.txtFORMATO IDENTIFICACIÓN TRABAJOS DE GRADO.pdf.txtExtracted texttext/plain2301https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/9/FORMATO%20IDENTIFICACI%c3%93N%20TRABAJOS%20DE%20GRADO.pdf.txt66d3887d3fd5120371b25ba73fd48d80MD59metadata only accessTHUMBNAILLuis Guerrero_working paper.pdf.jpgLuis Guerrero_working paper.pdf.jpgGenerated Thumbnailimage/jpeg6358https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/6/Luis%20Guerrero_working%20paper.pdf.jpg094b785558eea2d7f23aac0a8315709dMD56open accessGuerrero Peñaranda Luis Alberto.pdf.jpgGuerrero Peñaranda Luis Alberto.pdf.jpgGenerated Thumbnailimage/jpeg9933https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/8/Guerrero%20Pe%c3%b1aranda%20Luis%20Alberto.pdf.jpg93308ccef7bf7d35c1ccc9802bccfdcaMD58metadata only accessFORMATO IDENTIFICACIÓN TRABAJOS DE GRADO.pdf.jpgFORMATO IDENTIFICACIÓN TRABAJOS DE GRADO.pdf.jpgGenerated Thumbnailimage/jpeg13193https://repositorio.unicolmayor.edu.co/bitstream/unicolmayor/6770/10/FORMATO%20IDENTIFICACI%c3%93N%20TRABAJOS%20DE%20GRADO.pdf.jpgbf521fce02ba15ff963ef5602769be94MD510metadata only accessunicolmayor/6770oai:repositorio.unicolmayor.edu.co:unicolmayor/67702024-04-25 03:00:26.678An error occurred on the license name.|||https://creativecommons.org/licenses/by-nc/4.0/open accessBiblioteca Digital Unicolmayorrepositorio@unicolmayor.edu.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