Aplicación de Data Mining en evaluación docente técnica redes neuronales
Como primera medida es importante destacar la tecnología descubrimiento y conocimiento debido a que durante mucho tiempo las empresas han generado gran cantidad de información obtenía los procesos que ellos realizan esta acumulación de información le representa a la empresa una gran inversión de cap...
- Autores:
-
Ardila Díaz, Lilian Paola
Paez Rojas, Javier Antonio
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2000
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/26427
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/26427
- Palabra clave:
- Systems engineer
Technological innovations
Neural networks
Computer program
Data mining
Statistical method
Neural networks (Computer science)
Natural computing
Data mining
Multimedia data mining
Ingeniería de sistemas
Innovaciones tecnológicas
Redes neuronales (Computadores)
Computación natural
Minería de datos
Minería de datos multimedia
Redes neurales
Programa para computador
Método estadístico
- Rights
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
| id |
UNAB2_cdff07d36f877c4dca1fbdf0e566cd54 |
|---|---|
| oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/26427 |
| network_acronym_str |
UNAB2 |
| network_name_str |
Repositorio UNAB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Aplicación de Data Mining en evaluación docente técnica redes neuronales |
| dc.title.translated.spa.fl_str_mv |
Application of Data Mining in technical teaching evaluation neural networks |
| title |
Aplicación de Data Mining en evaluación docente técnica redes neuronales |
| spellingShingle |
Aplicación de Data Mining en evaluación docente técnica redes neuronales Systems engineer Technological innovations Neural networks Computer program Data mining Statistical method Neural networks (Computer science) Natural computing Data mining Multimedia data mining Ingeniería de sistemas Innovaciones tecnológicas Redes neuronales (Computadores) Computación natural Minería de datos Minería de datos multimedia Redes neurales Programa para computador Método estadístico |
| title_short |
Aplicación de Data Mining en evaluación docente técnica redes neuronales |
| title_full |
Aplicación de Data Mining en evaluación docente técnica redes neuronales |
| title_fullStr |
Aplicación de Data Mining en evaluación docente técnica redes neuronales |
| title_full_unstemmed |
Aplicación de Data Mining en evaluación docente técnica redes neuronales |
| title_sort |
Aplicación de Data Mining en evaluación docente técnica redes neuronales |
| dc.creator.fl_str_mv |
Ardila Díaz, Lilian Paola Paez Rojas, Javier Antonio |
| dc.contributor.advisor.none.fl_str_mv |
García Diaz, Juan Carlos |
| dc.contributor.author.none.fl_str_mv |
Ardila Díaz, Lilian Paola Paez Rojas, Javier Antonio |
| dc.contributor.cvlac.spa.fl_str_mv |
García Díaz, Juan Carlos [0000201529] |
| dc.subject.keywords.spa.fl_str_mv |
Systems engineer Technological innovations Neural networks Computer program Data mining Statistical method Neural networks (Computer science) Natural computing Data mining Multimedia data mining |
| topic |
Systems engineer Technological innovations Neural networks Computer program Data mining Statistical method Neural networks (Computer science) Natural computing Data mining Multimedia data mining Ingeniería de sistemas Innovaciones tecnológicas Redes neuronales (Computadores) Computación natural Minería de datos Minería de datos multimedia Redes neurales Programa para computador Método estadístico |
| dc.subject.lemb.spa.fl_str_mv |
Ingeniería de sistemas Innovaciones tecnológicas Redes neuronales (Computadores) Computación natural Minería de datos Minería de datos multimedia |
| dc.subject.proposal.spa.fl_str_mv |
Redes neurales Programa para computador Método estadístico |
| description |
Como primera medida es importante destacar la tecnología descubrimiento y conocimiento debido a que durante mucho tiempo las empresas han generado gran cantidad de información obtenía los procesos que ellos realizan esta acumulación de información le representa a la empresa una gran inversión de capital además no es aprovechada máxima para poder competir y tomar ventaja de las obras empresas para llevar a cabo el descubrimiento de conocimiento existe un proceso denominado minería de datos que permite extraer patrones de comportamiento dentro de las bases de datos para esto y diversas técnicas que se utilizan la aplicación de estas técnicas usualmente se realizan a través de herramientas de software por el alto volumen de datos que hay que procesar actualmente en el mercado existen varias herramientas comerciales específicas para kdd y que utilicen tradiciones técnicas de minería de datos. |
| publishDate |
2000 |
| dc.date.issued.none.fl_str_mv |
2000 |
| dc.date.accessioned.none.fl_str_mv |
2024-09-09T14:09:41Z |
| dc.date.available.none.fl_str_mv |
2024-09-09T14:09:41Z |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.local.spa.fl_str_mv |
Trabajo de Grado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.hasversion.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/26427 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional UNAB |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unab.edu.co |
| url |
http://hdl.handle.net/20.500.12749/26427 |
| identifier_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
ANGOSS SOFTWARE CORPORATION. About KnowledgeStudio. hitp:/4vww.angoss.com/kstudio/studio,htm ARVIZU, María del Socorro. Mineria de datos. 30 de Agosto de 1999 http:/Awww.imparcial.com.mx/Notas/Semanal/informatica/n14.htm ASOCIACIÓN ARGENTINA DE INTELIGENCIA ARTIFICIAL. Data Mining. 10 de Septiembre de 1998, htip:/hww laguía.c . 1.ar/asia/datamain.htm ASOCIACIÓN ARGENTINA DE IA. edes Neuronales. Mayo de 1999. http:Awww.adi.uam.es/-adarraga/studs/ — xes/Pag5.html BAUTISTA, Rodolfo y SANCLEMEN — ¡Harrison. Systems for knowedge in Databases. 6 de Octubre de 1998, http:/waw.inf.udec.cl/-mcaro/seminaric /dm_doc7 html BELTRAN, Yolima y CASTRO, Aura. lisefio de un modelo de evaluación formativa del desempeño docente p: 1 la facultad de Ciencias Humanas”, Departamento de Ciencias Sociales y euucación. Febrero 27 de 1994. CARNE, C. Presser. Data Mining, Descubriendo Informacion oculta. 1999. http://ww.lafacu.com/apuntes/informatica/datamining/default.htm CASTELLANOS, Miguel Angel y CONCEJERO, Pedro. Introducción a las Redes Neuronales y su aplicación a las Búsquedas de documentos. Abril de 1999. http:/waw.tid.es/presencia/boletin/bole1 9/art002.htm DBMINER TECHNOLOGY INC, Dbminer"” Discover The Competitive Edge In Your Data. Febrero 9 del 2000. http://db.cs. sfu.ca/DBMiner/index.html ELECTRONICA. Redes Neuronales Artificiales. 13 de Junio del 2000. hitp://electronica.com,mxineural/ ESTEVEZ, Pablo. EM-753 Redes Neuronales. 2000. http://cipres.cec.uchile.cl-em753/ FREEMAN, J. y SKAPURA, D. Redes Neuronales Algoritmos, aplicaciones y técnicas de programación. Págs 253-283.Addison-Wesley y Diaz de Santos, Wilmington. GRANADOS, Jorge. Redes Neuronales 5 de Agosto de 1996 http:/homepages.mty.itesm.mx/-Igranado/red_neur.htm HERNANDEZ, María Andreina, Data Mining. http:/fwww.cipher.com.veldata_min.htm KOPERSKI, Kris. GEOMINER: A knowedge discovery system for spalial databases and geographic information systems. MNoviembre 6 de 1997. http://db.cs.sfu.ca/GeoMiner/ MANAGEMENT INTELLIGENTER TECHNOLOGIEN. Software Tools for intefligent Data Analysis. 2000. http://www.mitgmbh.de/mi/sprinde».htm MICROSOFT CORPORATION. Manual del Programador, Microsoft Visual Basic 5. Editorial Mc Graw Hill, España,1998, MINISTERIO DE ADMINISTRACIONES PÚBLICAS ESPAÑA. Data Mining o Mineria De Datos. http:/fwww.map.es/csifsilice/DW2253. html PRESSER CARNE, Cynthia. Data Mining. Attp:/Awaw.monografias.com/trabajos/datamining/datamining.html PRYKE, Andy, Data Mining Software. Abril de 1994, Attp:Mvwww.cs.bham.ac.uk-anprsoftware.htrl SILICON GRAPHICS INC. Products, Software. 1993 http:/iwww.sgi.com/software/mineset/ UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA. Redes Neuronales. 3 de Diciembre de 1997 hitp://fciencias.ens.uabc.mx/notas cursos/inteligencia/neurona/neuronal.htm UNIVERSIDAD AUTONOMA DE MEXICO. Enero 19 del 2000. hitp:/Avw.uam.es WRIGHT, Peggy. El Descubrimiento del conocimiento en las Bases de Datos: herramientas y técnicas, Diciembre 23 de 1999. http://ww.acm.org/crossroads/espanol/xrds5-2/kcd. himl |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.creativecommons.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Bucaramanga (Santander, Colombia) |
| dc.coverage.campus.spa.fl_str_mv |
UNAB Campus Bucaramanga |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Pregrado Ingeniería de Sistemas |
| institution |
Universidad Autónoma de Bucaramanga - UNAB |
| bitstream.url.fl_str_mv |
https://repository.unab.edu.co/bitstream/20.500.12749/26427/1/2000_Tesis_Lilian_Ardila.pdf https://repository.unab.edu.co/bitstream/20.500.12749/26427/2/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/26427/3/2000_Tesis_Lilian_Ardila.pdf.jpg |
| bitstream.checksum.fl_str_mv |
d5adecee3308c7a583d7f29d1dd88d6b 3755c0cfdb77e29f2b9125d7a45dd316 934d756caa14e5a6619bf3f4b6139745 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB |
| repository.mail.fl_str_mv |
repositorio@unab.edu.co |
| _version_ |
1814277515908218880 |
| spelling |
García Diaz, Juan Carlosa3528f19-8e59-491c-840d-59b6974225f0Ardila Díaz, Lilian Paola95fa2c2a-0dc5-411d-be9e-69225af7bc8dPaez Rojas, Javier Antoniof3d23be8-631c-47af-840a-0c6373424b57García Díaz, Juan Carlos [0000201529]Bucaramanga (Santander, Colombia)UNAB Campus Bucaramanga2024-09-09T14:09:41Z2024-09-09T14:09:41Z2000http://hdl.handle.net/20.500.12749/26427instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coComo primera medida es importante destacar la tecnología descubrimiento y conocimiento debido a que durante mucho tiempo las empresas han generado gran cantidad de información obtenía los procesos que ellos realizan esta acumulación de información le representa a la empresa una gran inversión de capital además no es aprovechada máxima para poder competir y tomar ventaja de las obras empresas para llevar a cabo el descubrimiento de conocimiento existe un proceso denominado minería de datos que permite extraer patrones de comportamiento dentro de las bases de datos para esto y diversas técnicas que se utilizan la aplicación de estas técnicas usualmente se realizan a través de herramientas de software por el alto volumen de datos que hay que procesar actualmente en el mercado existen varias herramientas comerciales específicas para kdd y que utilicen tradiciones técnicas de minería de datos.INTRODUCCION..................................................................................................................................................................... 1. DESCUBRIMIENTO DE CONOCIMIENTO EN BASES DE DATOS................................................................................................ 1.1. ELEMENTOS DEL DESCUBRIMIENTO DE CONOCIMIENTO................................................................................................ 1.2. PROCESO DE DESCUBRIMIENTO DE CONOCIMIENTO................................................................................................ 1.3. MODELOS DE DESCUBRIMIENTO DE CONOCIMIENTO................................................................................................ 1.3.1. Método probabilístico................................................................................................................................................................ 1.3.2. Método estadístico................................................................................................................................................ 1.3.3. Método de clasificación................................................................................................................................................ 2. MINERIA DE DATOS................................................................................................................................................ 2.1. CARACTERISTICAS DE MINERIA DE DATOS................................................................................................................................ 2.2. IMPORTANCIA DE MINERIA DE DATOS................................................................................................................................................ 2.3. AREAS DE LA MINERIA DE DATOS................................................................................................................................................ 2.4. PROCESO DE MINERIA DE DATOS................................................................................................................................................ 2.5. TECNICAS DE MINERIA DE DATOS................................................................................................................................................ 2.6. EVOLUCION DE LA MINERIA DE DATOS.............................................................................................................................................. 3. REDES NEURONALES................................................................................................................................................ 3.1. HISTORIA DE LAS REDES NEURONALES................................................................................................ 3.2. INTRODUCCION A LAS REDES NEURONAL................................................................................................ 3.3. CARACTERISTICAS DE LAS REDES NEURONALES ................................................................................................ 34. TOPOLOGIA........................................................................................................................................................................................ 3.5. FUNCIONAMIENTO BASICO................................................................................................................................................ 3.6. TAXONOMIA DE LAS REDES NEURONALES................................................................................................ 3.7. PASOS A SEGUIR EN EL DISEÑO DE UNA RED NEURONAL................................................................................................ 3.8. APLICACIONES DE LAS REDES NEURONALES.................................................................................................................................... 3.9, TIPOS DE REDES NEURONALES................................................................................................................................................ 3.9.1. Perceptrón................................................................................................................................................ 3.8.2 Backpropagation................................................................................................................................................ 3.9.3.Hopfield................................................................................................................................................................................................ 3.9.4,Las redes de Kohonen................................................................................................................................................. 4. MAPAS AUTO - ORGANIZATIVOS DE KOHONEN......................................................................................................................... 4.1. INTRODUCCION................................................................................................................................................ 4.2 CARACTERÍSTICAS................................................................................................................................................ 4.3. ARQUITECTURA................................................................................................................................................ 4.4. APRENDIZAJE DE LAS REDES DE KOHONEN........................................................................................................................... 4.5, APLICACIONES................................................................................................................................................ 5. IMPLEMENTACION DE UNA HERRAMIENTA COMPUTARIZADA PARA REDES NEURONALES................................................ 5.1. ARCHIVO................................................................................................................................................ 5.1.1. Cargar................................................................................................................................................ 5.1.2.Salir................................................................................................................................................ 5.2. RED NEURONAL................................................................................................................................................ 5.2.1. Selección de variables ................................................................................................................................................ 5.2.2. Configuración................................................................................................................................................ 5.2.3. Simulación................................................................................................................................................ 53 REPORTES................................................................................................................................................ 5.4. AYUDA................................................................................................................................................ 6. CASO DE APLICACIÓN................................................................................................................................................ 6.1. PROCESO DE DESCUBRIMIENTO DE CONOCIMIENTO................................................................................................ 6.1.1. Comprender el dominio de la aplicación................................................................................................................................ 6.1.2. Preparación de los datos................................................................................................................................................ 6.1.3, Elegir el modelo a emplear................................................................................................................................................ 6.1.4. Aplicación de los algoritmos de Minería de Datos................................................................................................ 6.1, 5. Interpretación propia de los resultados................................................................................................ 6.1.6. Utilizar los conocimientos obtenidos................................................................................................ 7. CONCLUSIONES Y RECOMENDACIONES................................................................................................ BIBLIOGRAFIA................................................................................................................................................PregradoAs a first step it is important to highlight the discovery and knowledge technology because for a long time companies have generated a large amount of information obtained from the processes they carry out this accumulation of information represents a large capital investment for the company and is not fully exploited to compete and take advantage of the works of companies to carry out the discovery of knowledge there is a process called data mining that allows to extract behavior patterns within the databases for this and various techniques that are used the application of these techniques are usually carried out through software tools due to the high volume of data that must be processed currently on the market there are several specific commercial tools for kdd and that use traditional data mining techniques.Modalidad Presencialapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Aplicación de Data Mining en evaluación docente técnica redes neuronalesApplication of Data Mining in technical teaching evaluation neural networksIngeniero de SistemasUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería de Sistemasinfo:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/acceptedVersionhttp://purl.org/redcol/resource_type/TPSystems engineerTechnological innovationsNeural networksComputer programData miningStatistical methodNeural networks (Computer science)Natural computingData miningMultimedia data miningIngeniería de sistemasInnovaciones tecnológicasRedes neuronales (Computadores)Computación naturalMinería de datosMinería de datos multimediaRedes neuralesPrograma para computadorMétodo estadísticoANGOSS SOFTWARE CORPORATION. About KnowledgeStudio. hitp:/4vww.angoss.com/kstudio/studio,htmARVIZU, María del Socorro. Mineria de datos. 30 de Agosto de 1999 http:/Awww.imparcial.com.mx/Notas/Semanal/informatica/n14.htmASOCIACIÓN ARGENTINA DE INTELIGENCIA ARTIFICIAL. Data Mining. 10 de Septiembre de 1998, htip:/hww laguía.c . 1.ar/asia/datamain.htmASOCIACIÓN ARGENTINA DE IA. edes Neuronales. Mayo de 1999. http:Awww.adi.uam.es/-adarraga/studs/ — xes/Pag5.htmlBAUTISTA, Rodolfo y SANCLEMEN — ¡Harrison. Systems for knowedge in Databases. 6 de Octubre de 1998, http:/waw.inf.udec.cl/-mcaro/seminaric /dm_doc7 htmlBELTRAN, Yolima y CASTRO, Aura. lisefio de un modelo de evaluación formativa del desempeño docente p: 1 la facultad de Ciencias Humanas”, Departamento de Ciencias Sociales y euucación. Febrero 27 de 1994.CARNE, C. Presser. Data Mining, Descubriendo Informacion oculta. 1999. http://ww.lafacu.com/apuntes/informatica/datamining/default.htmCASTELLANOS, Miguel Angel y CONCEJERO, Pedro. Introducción a las Redes Neuronales y su aplicación a las Búsquedas de documentos. Abril de 1999. http:/waw.tid.es/presencia/boletin/bole1 9/art002.htmDBMINER TECHNOLOGY INC, Dbminer"” Discover The Competitive Edge In Your Data. Febrero 9 del 2000. http://db.cs. sfu.ca/DBMiner/index.htmlELECTRONICA. Redes Neuronales Artificiales. 13 de Junio del 2000. hitp://electronica.com,mxineural/ESTEVEZ, Pablo. EM-753 Redes Neuronales. 2000. http://cipres.cec.uchile.cl-em753/FREEMAN, J. y SKAPURA, D. Redes Neuronales Algoritmos, aplicaciones y técnicas de programación. Págs 253-283.Addison-Wesley y Diaz de Santos, Wilmington.GRANADOS, Jorge. Redes Neuronales 5 de Agosto de 1996 http:/homepages.mty.itesm.mx/-Igranado/red_neur.htmHERNANDEZ, María Andreina, Data Mining. http:/fwww.cipher.com.veldata_min.htmKOPERSKI, Kris. GEOMINER: A knowedge discovery system for spalial databases and geographic information systems. MNoviembre 6 de 1997. http://db.cs.sfu.ca/GeoMiner/MANAGEMENT INTELLIGENTER TECHNOLOGIEN. Software Tools for intefligent Data Analysis. 2000. http://www.mitgmbh.de/mi/sprinde».htmMICROSOFT CORPORATION. Manual del Programador, Microsoft Visual Basic 5. Editorial Mc Graw Hill, España,1998,MINISTERIO DE ADMINISTRACIONES PÚBLICAS ESPAÑA. Data Mining o Mineria De Datos. http:/fwww.map.es/csifsilice/DW2253. htmlPRESSER CARNE, Cynthia. Data Mining. Attp:/Awaw.monografias.com/trabajos/datamining/datamining.htmlPRYKE, Andy, Data Mining Software. Abril de 1994, Attp:Mvwww.cs.bham.ac.uk-anprsoftware.htrlSILICON GRAPHICS INC. Products, Software. 1993 http:/iwww.sgi.com/software/mineset/UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA. Redes Neuronales. 3 de Diciembre de 1997 hitp://fciencias.ens.uabc.mx/notas cursos/inteligencia/neurona/neuronal.htmUNIVERSIDAD AUTONOMA DE MEXICO. Enero 19 del 2000. hitp:/Avw.uam.esWRIGHT, Peggy. El Descubrimiento del conocimiento en las Bases de Datos: herramientas y técnicas, Diciembre 23 de 1999. http://ww.acm.org/crossroads/espanol/xrds5-2/kcd. himlORIGINAL2000_Tesis_Lilian_Ardila.pdf2000_Tesis_Lilian_Ardila.pdfTesisapplication/pdf16004767https://repository.unab.edu.co/bitstream/20.500.12749/26427/1/2000_Tesis_Lilian_Ardila.pdfd5adecee3308c7a583d7f29d1dd88d6bMD51open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/26427/2/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD52open accessTHUMBNAIL2000_Tesis_Lilian_Ardila.pdf.jpg2000_Tesis_Lilian_Ardila.pdf.jpgIM Thumbnailimage/jpeg6441https://repository.unab.edu.co/bitstream/20.500.12749/26427/3/2000_Tesis_Lilian_Ardila.pdf.jpg934d756caa14e5a6619bf3f4b6139745MD53open access20.500.12749/26427oai:repository.unab.edu.co:20.500.12749/264272024-10-16 14:33:32.595open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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 |