Modelo de decisión para la selección de soluciones IoT apoyando la transferencia tecnológica en zonas rurales de Santander
En 30 años, según el estudio de Springmann, "Options for keeping the food system within environmental limits ", la cantidad y la calidad de los productos alimenticios no serán suficientes para los 10.000 millones de personas que se calcula que van a poblar el mundo. Es imperativo buscar me...
- Autores:
-
Mejía Sánchez, Saúl Fernando
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/12043
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/12043
- Palabra clave:
- Systems engineer
Technological innovations
Data mining
Agriculture
Artificial intelligence
Decision model
Smallholder
Smart agriculture
Machine learning
Agrobusiness operation
Food crops
Agricultural technology
Agricultural development
Ingeniería de sistemas
Innovaciones tecnológicas
Explotación agrícola
Cultivos alimenticios
Tecnología agrícola
Desarrollo agrícola
Dataset
Minería de datos
Agricultura
Inteligencia artificial
Modelo de decisión
Pequeño agricultor
Aprendizaje automático
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
| id |
UNAB2_d3fe6e72d77fef57db11fd77f3dd3298 |
|---|---|
| oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/12043 |
| network_acronym_str |
UNAB2 |
| network_name_str |
Repositorio UNAB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Modelo de decisión para la selección de soluciones IoT apoyando la transferencia tecnológica en zonas rurales de Santander |
| dc.title.translated.spa.fl_str_mv |
Decision model for the selection of IoT solutions supporting technology transfer in rural areas of Santander |
| title |
Modelo de decisión para la selección de soluciones IoT apoyando la transferencia tecnológica en zonas rurales de Santander |
| spellingShingle |
Modelo de decisión para la selección de soluciones IoT apoyando la transferencia tecnológica en zonas rurales de Santander Systems engineer Technological innovations Data mining Agriculture Artificial intelligence Decision model Smallholder Smart agriculture Machine learning Agrobusiness operation Food crops Agricultural technology Agricultural development Ingeniería de sistemas Innovaciones tecnológicas Explotación agrícola Cultivos alimenticios Tecnología agrícola Desarrollo agrícola Dataset Minería de datos Agricultura Inteligencia artificial Modelo de decisión Pequeño agricultor Aprendizaje automático |
| title_short |
Modelo de decisión para la selección de soluciones IoT apoyando la transferencia tecnológica en zonas rurales de Santander |
| title_full |
Modelo de decisión para la selección de soluciones IoT apoyando la transferencia tecnológica en zonas rurales de Santander |
| title_fullStr |
Modelo de decisión para la selección de soluciones IoT apoyando la transferencia tecnológica en zonas rurales de Santander |
| title_full_unstemmed |
Modelo de decisión para la selección de soluciones IoT apoyando la transferencia tecnológica en zonas rurales de Santander |
| title_sort |
Modelo de decisión para la selección de soluciones IoT apoyando la transferencia tecnológica en zonas rurales de Santander |
| dc.creator.fl_str_mv |
Mejía Sánchez, Saúl Fernando |
| dc.contributor.advisor.spa.fl_str_mv |
Espinosa Carreño, María Alexandra Jurado Garcia, Miguel Eugenio Flórez Gómez, Leidy Yohana |
| dc.contributor.author.spa.fl_str_mv |
Mejía Sánchez, Saúl Fernando |
| dc.contributor.cvlac.*.fl_str_mv |
https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001495409 |
| dc.contributor.cvlac.spa.fl_str_mv |
Espinosa Carreño, María Alexandra [0001495409] |
| dc.contributor.googlescholar.spa.fl_str_mv |
Espinosa Carreño, María Alexandra [Ve6S8ocAAAAJ&hl] |
| dc.contributor.orcid.*.fl_str_mv |
https://orcid.org/0000-0003-1411-0828 |
| dc.contributor.orcid.spa.fl_str_mv |
Espinosa Carreño, María Alexandra [0000-0003-1411-0828] |
| dc.contributor.researchgate.*.fl_str_mv |
https://www.researchgate.net/profile/Maria_Espinosa_C |
| dc.contributor.researchgate.spa.fl_str_mv |
Espinosa Carreño, María Alexandra [Maria-Espinosa-C] |
| dc.contributor.apolounab.spa.fl_str_mv |
Espinosa Carreño, María Alexandra [maria-alexandra-espinosa-carreño] |
| dc.subject.keywords.eng.fl_str_mv |
Systems engineer Technological innovations Data mining Agriculture Artificial intelligence Decision model Smallholder Smart agriculture Machine learning Agrobusiness operation Food crops Agricultural technology Agricultural development |
| topic |
Systems engineer Technological innovations Data mining Agriculture Artificial intelligence Decision model Smallholder Smart agriculture Machine learning Agrobusiness operation Food crops Agricultural technology Agricultural development Ingeniería de sistemas Innovaciones tecnológicas Explotación agrícola Cultivos alimenticios Tecnología agrícola Desarrollo agrícola Dataset Minería de datos Agricultura Inteligencia artificial Modelo de decisión Pequeño agricultor Aprendizaje automático |
| dc.subject.lemb.spa.fl_str_mv |
Ingeniería de sistemas Innovaciones tecnológicas Explotación agrícola Cultivos alimenticios Tecnología agrícola Desarrollo agrícola |
| dc.subject.proposal.spa.fl_str_mv |
Dataset Minería de datos Agricultura Inteligencia artificial Modelo de decisión Pequeño agricultor Aprendizaje automático |
| description |
En 30 años, según el estudio de Springmann, "Options for keeping the food system within environmental limits ", la cantidad y la calidad de los productos alimenticios no serán suficientes para los 10.000 millones de personas que se calcula que van a poblar el mundo. Es imperativo buscar mecanismos para aumentar la productividad de los cultivos, optimizando el uso de los recursos naturales. Para el mundo, Colombia representa una gran despensa de alimentos. La FAO (Organización de las Naciones Unidas para la Agricultura y la Alimentación), ha destacado el papel del país en la lucha contra la crisis alimentaria, que es pronosticada por organismos de todo el mundo, dado el aumento estimado de la demanda mundial de productos alimenticios, proyectada en alrededor del 70% de aquí a 2050. En el departamento de Santander la agricultura es una de las principales actividades que juegan un papel fundamental en la economía regional, y representa más del 60% de la producción de alimentos, ya que la gran mayoría de la producción de cultivos es desarrollada por pequeños agricultores. Se plantea el desarrollo de un modelo de decisión basado en técnicas de inteligencia artificial (IA) para la selección de tecnologías de IoT (por sus siglas en inglés, Internet of Things) aplicadas a la agricultura, como apoyo a la transferencia de tecnología para los pequeños agricultores de Santander |
| publishDate |
2020 |
| dc.date.issued.none.fl_str_mv |
2020-06-05 |
| dc.date.accessioned.none.fl_str_mv |
2021-01-25T21:10:11Z |
| dc.date.available.none.fl_str_mv |
2021-01-25T21:10:11Z |
| 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.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/12043 |
| 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/20.500.12749/12043 |
| 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 |
Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2004). CRISP-DM 1.0 (pp. 1–76). IBM. ftp://ftp.software.ibm.com/software/analytics/spss/support/Modeler/Documentation/14/UserManual/CRISP-DM.pdf%5Cnpapers3://publication/uuid/8209D32B-855C-47AD-9C5D-9BBBF10698AB Contreras, G., & Prieto, P. (2015). Confianza del agricultor colombiano pequeño. https://doi.org/ISSN 2422-300X DANE, D. A. N. de. (2016). III. Censo nacional agropecuario. Tomo 2, Resultados. http://www.dane.gov.co/index.php/estadisticas-por-tema/agropecuario/censo-nacional-agropecuario-2014 Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.5962/bhl.title.33621 DNP, D. N. de P. (2015). EL CAMPO COLOMBIANO: UN CAMINO HACIA EL BIENESTAR Y LA PAZ Misión para la Transformación del Campo - resumen ejecutivo. Programa de Las Naciones Unidas Para El Desarrollo PNUD. https://colaboracion.dnp.gov.co/CDT/Agriculturapecuarioforestal y pesca/El CAMPO COLOMBIANO UN CAMINIO HACIA EL BIENESTAR Y LA PAZ MTC.pdf Evgeniou, T., & Pontil, M. (2001). Workshop on Support Vector Machines : Theory and Applications. Machine Learning and Its Applications: Advanced Lectures, January 2001, 249–257. https://doi.org/10.1007/3-540-44673-7 Far, S. T., & Rezaei-Moghaddam, K. (2018). Impacts of the precision agricultural technologies in Iran: An analysis experts’ perception & their determinants. Information Processing in Agriculture, 5(1), 173–184. https://doi.org/10.1016/j.inpa.2017.09.001 Galarza Hernández, J. (2017a). Reducción de dimensionalidad en Machine Learning. Universidad Politecnica de Valencia. https://riunet.upv.es/bitstream/handle/10251/92565/GALARZA - Reducción de dimensionalidad en Machine Learning. Diagnóstico de cáncer de mama bsado e....pdf?sequence=1 Galarza Hernández, J. (2017b). Reducción de dimensionalidad en Machine Learning. Universidad Politecnica de Valencia, 1–71. https://riunet.upv.es/bitstream/handle/10251/92565/GALARZA - Reducción de dimensionalidad en Machine Learning. Diagnóstico de cáncer de mama bsado e....pdf?sequence=1 Grisales Orozco, F. (2016). EL CRÉDITO AGROPECUARIO PARA PEQUEÑOS PRODUCTORES EN LA BANCA PRIVADA COLOMBIANA (p. 48). Colegio de 79 Estudios Superiores de Administración – CESA. https://repository.cesa.edu.co/bitstream/handle/10726/1580/MFC_00508.pdf?sequence=1&isAllowed=y Hernandez, S. de la F. (2011). Regresion logistica. Facultad de Ciencias Economicas y Empresariales UNAM IBM, I. B. M. (2012). Manual CRISP-DM de IBM SPSS Modeler. IBM Corporation, 56. ftp://public.dhe.ibm.com/software/analytics/spss/documentation/modeler/15.0/es/CRISP-DM.pdf Informe especial: 242 familias del sector rural se benefician de los ‘Mercadillos Campesinos’ – Prensa Alcaldía de Bucaramanga. (2019). https://www.bucaramanga.gov.co/noticias/informe-especial-242-familias-del-sector-rural-se-benefician-de-los-mercadillos-campesinos Larrañaga, P. (2002). Tema 6. Clasificadores Bayesianos. 1–17. http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t6bayesianos.pdf Larrañaga, P. (2002). Tema 6. Clasificadores Bayesianos. 1–17. http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t6bayesianos.pdf Lutz, M. (2013). Learning Python. O’Reilly Media. Machado C, A. (1981). El problema agrario en Colombia y sus soluciones. Publicaciones (Fundación Mariano Ospina Pérez, 21, 151 p Marsland, S. (2014). MACHINE LEARNING An Algorithmic Perspective (Second Edi). https://content.taylorfrancis.com/books/download?dac=C2012-0-12750-0&isbn=9780429102509&format=googlePreviewPdf Martínez, R.-, & Fernández, A. (2008). Impacto social y económico del analfabetismo: modelo de análisis y estudio piloto. Oms, 84. https://repositorio.cepal.org/bitstream/handle/11362/3747/1/S2009862_es.pdf%0Ahttp://www.cepal.org/es/publicaciones/3747-impacto-social-y-economico-del-analfabetismo-modelo-de-analisis-y-estudio-piloto MINISTERIO DE AGRICULTURA Y DESARROLLO RURAL. (2018). Decreto Pequeño productor. 2. https://www.minagricultura.gov.co/Normatividad/Proyectos Normativos/Decreto pequeño productor.pdf Ministerio de Tecnologías de la Información y las Comunicaciones. (2019). Avances plan estratégico sectorial El futuro digital es de todos. Versión 1.1-2019. https://www.mintic.gov.co/portal/604/articles-8247_plan_estrategico_sectorial_2019_1t_v1_1.pdf Nuñez Jover, J. (2014). Innovación y desarrollo social: un reto para CTS. In La ciencia y la tecnología como procesos sociales. Lo que la educación científica no debería olvidar. OEI - Organización de los estados latinoamericanos para la Educación, la ciencia y la cultura. https://www.oei.es/historico/salactsi/nunez07.htm Patrício, D. I., & Rieder, R. (2018). Computer vision and artificial intelligence in precision agriculture for grain crops: A systematic review. In Computers and Electronics in Agriculture (Vol. 153, pp. 69–81). Elsevier B.V. 80 https://doi.org/10.1016/j.compag.2018.08.001 Poce Fatou, J. A. (2016). Regresión Lineal. Método de ajuste por mínimos cuadrados a una recta. 1–2. http://rodin.uca.es/xmlui/bitstream/handle/10498/14844/Tutoral_Regresion_Lineal_RODIN.pdf;jsessionid=B38E50F7FED5E6FE2F9A5239DE4B08F2?sequence=1 Presidencia de la República. (2020). Decreto Número 457 del 22 de marzo de 2020. 1–14 Springmann, M., Clark, M., Mason-D’Croz, D., Wiebe, K., Bodirsky, B. L., Lassaletta, L., de Vries, W., Vermeulen, S. J., Herrero, M., Carlson, K. M., Jonell, M., Troell, M., DeClerck, F., Gordon, L. J., Zurayk, R., Scarborough, P., Rayner, M., Loken, B., Fanzo, J., … Willett, W. (2018). Options for keeping the food system within environmental limits. Nature, 562(7728), 519–525. https://doi.org/10.1038/s41586-018-0594-0 Technoserve. (2015). Construcción de un modelo de agricultura competitiva en Colombia. 123. http://www.larepublica.co/sites/default/files/larepublica/Presentación Master Modelo Agricultura Competitiva 2015.pdf Tripathi, K. P. (2011). Decision Support System Is a Tool for Making Better Decisions in the Organization. Indian Journal of Computer Science and Engineering, 2(1), 112–117. http://www.ijcse.com/docs/IJCSE11-02-01-054.pdf Varela, L. A. Y., Tovar, L. A. R., & Chaparro, J. (2010). Modelo de aceptación tecnológica (TAM): Un estudio de la influencia de la cultura nacional y del perfil del usuario en el uso de las TIC. Innovar, 20(36), 187–203. Zamorano Ruiz, J. (2018). Comparativa Y Análisis De Algoritmos. |
| 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.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 |
| 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) http://purl.org/coar/access_right/c_abf2 Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
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/20.500.12749/12043/1/2020_Tesis_Saul_Hernando_Mejia.pdf https://repository.unab.edu.co/bitstream/20.500.12749/12043/2/2020_Licencia_Saul_Hernando_Mejia.pdf https://repository.unab.edu.co/bitstream/20.500.12749/12043/3/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/12043/4/2020_Tesis_Saul_Hernando_Mejia.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/12043/5/2020_Licencia_Saul_Hernando_Mejia.pdf.jpg |
| bitstream.checksum.fl_str_mv |
5e37d503bed81a06f560e3454d2e677b 1a7a5f721231e2fad71be1bac5d13a8d 8a4605be74aa9ea9d79846c1fba20a33 addaecf56ab7ecff9ed69886487a3a19 a8a3ed123eff9e863dd243a939423b24 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 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_ |
1814277723103690752 |
| spelling |
Espinosa Carreño, María Alexandrab1d04d86-2443-4ebe-ad46-80848e67e607-1Jurado Garcia, Miguel Eugeniod7587e95-612a-4258-aa94-be28d566da36-1Flórez Gómez, Leidy Yohanab8deae06-09a5-4ae5-b6c3-263146e21ec1-1Mejía Sánchez, Saúl Fernando9fd917ad-a0f1-4e9b-881c-6289ef694e8e-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001495409Espinosa Carreño, María Alexandra [0001495409]Espinosa Carreño, María Alexandra [Ve6S8ocAAAAJ&hl]https://orcid.org/0000-0003-1411-0828Espinosa Carreño, María Alexandra [0000-0003-1411-0828]https://www.researchgate.net/profile/Maria_Espinosa_CEspinosa Carreño, María Alexandra [Maria-Espinosa-C]Espinosa Carreño, María Alexandra [maria-alexandra-espinosa-carreño]Santander (Colombia)UNAB Campus Bucaramanga2021-01-25T21:10:11Z2021-01-25T21:10:11Z2020-06-05http://hdl.handle.net/20.500.12749/12043instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coEn 30 años, según el estudio de Springmann, "Options for keeping the food system within environmental limits ", la cantidad y la calidad de los productos alimenticios no serán suficientes para los 10.000 millones de personas que se calcula que van a poblar el mundo. Es imperativo buscar mecanismos para aumentar la productividad de los cultivos, optimizando el uso de los recursos naturales. Para el mundo, Colombia representa una gran despensa de alimentos. La FAO (Organización de las Naciones Unidas para la Agricultura y la Alimentación), ha destacado el papel del país en la lucha contra la crisis alimentaria, que es pronosticada por organismos de todo el mundo, dado el aumento estimado de la demanda mundial de productos alimenticios, proyectada en alrededor del 70% de aquí a 2050. En el departamento de Santander la agricultura es una de las principales actividades que juegan un papel fundamental en la economía regional, y representa más del 60% de la producción de alimentos, ya que la gran mayoría de la producción de cultivos es desarrollada por pequeños agricultores. Se plantea el desarrollo de un modelo de decisión basado en técnicas de inteligencia artificial (IA) para la selección de tecnologías de IoT (por sus siglas en inglés, Internet of Things) aplicadas a la agricultura, como apoyo a la transferencia de tecnología para los pequeños agricultores de SantanderINTRODUCCIÓN ............................................................................................................. 14 1. OBJETIVOS ............................................................................................................. 16 1.1. OBJETIVO GENERAL ....................................................................................... 16 1.2. OBJETIVOS ESPECÍFICOS .............................................................................. 16 2. MARCO NORMATIVO ............................................................................................. 17 2.1. NORMATIIVIDAD EN TIC .................................................................................. 17 2.2. DECRETOS RELACIONADOS .......................................................................... 18 2.3. CONSEJO NACIONAL DE POLÍTICA ECONÓMICA Y SOCIAL ....................... 18 2.4. NORMATIVIDAD DEL SECTOR AGROPECUARIO Y DESARROLLO RURAL. 19 2.5. CONSTITUCIÓN POLÍTICA DE COLOMBIA ..................................................... 20 3. PLANTEAMIENTO DEL PROBLEMA ...................................................................... 21 3.1. DEFINICIÓN DEL PROBLEMA ......................................................................... 21 3.2. JUSTIFICACIÓN................................................................................................ 22 4. ESTADO DEL ARTE ................................................................................................ 24 5. MARCO TEÓRICO ................................................................................................... 25 5.1. PEQUEÑO PRODUCTOR AGRICULTOR EN COLOMBIA ................................... 25 5.2. SISTEMA DE SOPORTE A DECISIONES ............................................................ 25 5.3. AGRICULTURA DE PRECISIÓN .......................................................................... 26 5.4. LENGUAJE DE PROGRAMACIÓN: PYTHON ...................................................... 26 5.4.1. Características de Python .................................................................................. 26 5.5. MACHINE LEARNING .......................................................................................... 27 5.5.1. Tipos de Machine Learning ................................................................................ 27 5.5.1.1. Aprendizaje supervisado ................................................................................ 28 5.5.1.1.1. Clasificación ............................................................................................... 28 5.5.1.1.2. Regresión ................................................................................................... 29 5.5.1.1.3. Regresión por mínimos cuadrados ............................................................. 30 5.5.1.1.4. Regresión logística ..................................................................................... 31 5.5.1.2. Aprendizaje no supervisado ........................................................................... 31 5.5.1.2.1. Clustering ................................................................................................... 31 5.5.1.2.2. ASOCIACIONES ........................................................................................ 32 5.5.1.3. Aprendizaje de refuerzo ................................................................................. 33 5.5.1.4. Aprendizaje evolutivo ..................................................................................... 33 5.6. TRATAMIENTO Y ELABORACIÓN DEL MODELO .............................................. 34 5.6.1. Recolección y preparación de datos .................................................................. 35 5.6.2. Selección de características .............................................................................. 35 5.6.3. Elección del algoritmo ........................................................................................ 36 5.6.4. Selección de parámetros y modelos .................................................................. 36 5.6.5. Elaboración y aplicación del modelo .................................................................. 36 5.7. ELECCIÓN DEL ALGORITMO .............................................................................. 36 5.7.1. Arboles de decisión ........................................................................................... 38 5.7.2. Clasificación basada en Naïve-Bayes ................................................................ 39 5.7.3. Support vector machines (SVM) ........................................................................ 39 5.7.4. Evaluación ......................................................................................................... 39 5.7.5. Evaluación basada en la precisión ..................................................................... 39 5.8. MODELO DE ADOPCION TECNOLGICA ............................................................. 40 5.9. VARIABLES DE CONTEXTO AGRICULTOR ....................................................... 41 5.10. METODOLOGIA CRISP-DM ............................................................................. 41 5.10.1. Mapeo del modelo de procesos de minería de datos ..................................... 43 5.10.2. Ciclo de vida del modelo CRISP-DM .............................................................. 43 5.10.3. Comprensión del negocio ............................................................................... 44 5.10.4. Comprensión de los datos .............................................................................. 44 5.10.5. Preparación de los datos ................................................................................ 45 5.10.6. Modelado ....................................................................................................... 46 5.10.7. Evaluación ..................................................................................................... 47 5.10.8. Despliegue ..................................................................................................... 48 6. METODOLOGIA....................................................................................................... 50 7. IDENTIFICACIÓN..................................................................................................... 51 8. DISEÑO .................................................................................................................... 53 8.2. POBLACIÓN OBJETIVO ....................................................................................... 53 8.3. VARIABLES DE ADOPCIÓN TECNOLÓGICA ...................................................... 54 8.4. NUEVA POBLACIÓN OBJETIVO.......................................................................... 54 8.5. DECRETO 457 DE MARZO DE 2020 ................................................................... 55 8.6. MINERIA DE TEXTO PARA DEFINICION DE VARIABLES DE CONTEXTO........ 55 8.7. DISEÑO DE MODELO DE DECISIÓN .................................................................. 56 8.7.1. Conjunto de datos limpio ................................................................................... 56 9. EVALUACIÓN .......................................................................................................... 65 10. RESULTADOS ..................................................................................................... 66 10.1. INSTRUMENTO DE INVESTIGACIÓN DE MERCADO ..................................... 68 10.2. VARIABLES DE ADOPCIÓN DE TECNOLOGÍAS EN EL CONTEXTO DE LA AGRICULTURA ............................................................................................................... 71 10.3. CONJUNTO DE DATOS PROCESADO ............................................................ 72 10.4. ACCURACY ...................................................................................................... 73 10.5. FORMULARIO DE PRUEBA ............................................................................. 73 11. CONCLUSIONES Y TRABAJO FUTURO ............................................................. 76 BIBLIOGRAFÍA ................................................................................................................78PregradoIn 30 years, according to Springmann's study, "Options for keeping the food system within environmental limits," the quantity and quality of food products will not be enough for the estimated 10 billion people who will populate the world. It is imperative to look up for mechanisms to increase productivity in crops, optimizing the use of natural resources. For the world, Colombia represents a large food pantry. The FAO (Food and Agriculture Organization of the United Nations), has highlighted the country's role in the fight against the food crisis, which is predicted by agencies around the world, given the estimated increase in global demand for food products, projected at about 70% between now and 2050. In the department of Santander agriculture is one of the main activities that play a fundamental role in the regional economy, and represents more than 60% of food production, since the vast majority of crop production is developed by small farmers. It’s necessary to develop a decision model that allows small farmers in rural areas of Santander, acquire solutions IoT technologies appropriate to their needs and contexts in which they are developed, in search of optimization of resources using artificial intelligence (AI) techniques to facilitate this process in order to provide appropriate advice for the selection of these technologies applied in agriculture.Modalidad Presencialapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-SinDerivadas 2.5 ColombiaModelo de decisión para la selección de soluciones IoT apoyando la transferencia tecnológica en zonas rurales de SantanderDecision model for the selection of IoT solutions supporting technology transfer in rural areas of SantanderIngeniero de SistemasUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería de Sistemasinfo:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/redcol/resource_type/TPSystems engineerTechnological innovationsData miningAgricultureArtificial intelligenceDecision modelSmallholderSmart agricultureMachine learningAgrobusiness operationFood cropsAgricultural technologyAgricultural developmentIngeniería de sistemasInnovaciones tecnológicasExplotación agrícolaCultivos alimenticiosTecnología agrícolaDesarrollo agrícolaDatasetMinería de datosAgriculturaInteligencia artificialModelo de decisiónPequeño agricultorAprendizaje automáticoChapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C., & Wirth, R. (2004). CRISP-DM 1.0 (pp. 1–76). IBM. ftp://ftp.software.ibm.com/software/analytics/spss/support/Modeler/Documentation/14/UserManual/CRISP-DM.pdf%5Cnpapers3://publication/uuid/8209D32B-855C-47AD-9C5D-9BBBF10698ABContreras, G., & Prieto, P. (2015). Confianza del agricultor colombiano pequeño. https://doi.org/ISSN 2422-300XDANE, D. A. N. de. (2016). III. Censo nacional agropecuario. Tomo 2, Resultados. http://www.dane.gov.co/index.php/estadisticas-por-tema/agropecuario/censo-nacional-agropecuario-2014Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.5962/bhl.title.33621DNP, D. N. de P. (2015). EL CAMPO COLOMBIANO: UN CAMINO HACIA EL BIENESTAR Y LA PAZ Misión para la Transformación del Campo - resumen ejecutivo. Programa de Las Naciones Unidas Para El Desarrollo PNUD. https://colaboracion.dnp.gov.co/CDT/Agriculturapecuarioforestal y pesca/El CAMPO COLOMBIANO UN CAMINIO HACIA EL BIENESTAR Y LA PAZ MTC.pdfEvgeniou, T., & Pontil, M. (2001). Workshop on Support Vector Machines : Theory and Applications. Machine Learning and Its Applications: Advanced Lectures, January 2001, 249–257. https://doi.org/10.1007/3-540-44673-7Far, S. T., & Rezaei-Moghaddam, K. (2018). Impacts of the precision agricultural technologies in Iran: An analysis experts’ perception & their determinants. Information Processing in Agriculture, 5(1), 173–184. https://doi.org/10.1016/j.inpa.2017.09.001Galarza Hernández, J. (2017a). Reducción de dimensionalidad en Machine Learning. Universidad Politecnica de Valencia. https://riunet.upv.es/bitstream/handle/10251/92565/GALARZA - Reducción de dimensionalidad en Machine Learning. Diagnóstico de cáncer de mama bsado e....pdf?sequence=1Galarza Hernández, J. (2017b). Reducción de dimensionalidad en Machine Learning. Universidad Politecnica de Valencia, 1–71. https://riunet.upv.es/bitstream/handle/10251/92565/GALARZA - Reducción de dimensionalidad en Machine Learning. Diagnóstico de cáncer de mama bsado e....pdf?sequence=1Grisales Orozco, F. (2016). EL CRÉDITO AGROPECUARIO PARA PEQUEÑOS PRODUCTORES EN LA BANCA PRIVADA COLOMBIANA (p. 48). Colegio de 79 Estudios Superiores de Administración – CESA. https://repository.cesa.edu.co/bitstream/handle/10726/1580/MFC_00508.pdf?sequence=1&isAllowed=yHernandez, S. de la F. (2011). Regresion logistica. Facultad de Ciencias Economicas y Empresariales UNAMIBM, I. B. M. (2012). Manual CRISP-DM de IBM SPSS Modeler. IBM Corporation, 56. ftp://public.dhe.ibm.com/software/analytics/spss/documentation/modeler/15.0/es/CRISP-DM.pdfInforme especial: 242 familias del sector rural se benefician de los ‘Mercadillos Campesinos’ – Prensa Alcaldía de Bucaramanga. (2019). https://www.bucaramanga.gov.co/noticias/informe-especial-242-familias-del-sector-rural-se-benefician-de-los-mercadillos-campesinosLarrañaga, P. (2002). Tema 6. Clasificadores Bayesianos. 1–17. http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t6bayesianos.pdfLarrañaga, P. (2002). Tema 6. Clasificadores Bayesianos. 1–17. http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t6bayesianos.pdfLutz, M. (2013). Learning Python. O’Reilly Media.Machado C, A. (1981). El problema agrario en Colombia y sus soluciones. Publicaciones (Fundación Mariano Ospina Pérez, 21, 151 pMarsland, S. (2014). MACHINE LEARNING An Algorithmic Perspective (Second Edi). https://content.taylorfrancis.com/books/download?dac=C2012-0-12750-0&isbn=9780429102509&format=googlePreviewPdfMartínez, R.-, & Fernández, A. (2008). Impacto social y económico del analfabetismo: modelo de análisis y estudio piloto. Oms, 84. https://repositorio.cepal.org/bitstream/handle/11362/3747/1/S2009862_es.pdf%0Ahttp://www.cepal.org/es/publicaciones/3747-impacto-social-y-economico-del-analfabetismo-modelo-de-analisis-y-estudio-pilotoMINISTERIO DE AGRICULTURA Y DESARROLLO RURAL. (2018). Decreto Pequeño productor. 2. https://www.minagricultura.gov.co/Normatividad/Proyectos Normativos/Decreto pequeño productor.pdfMinisterio de Tecnologías de la Información y las Comunicaciones. (2019). Avances plan estratégico sectorial El futuro digital es de todos. Versión 1.1-2019. https://www.mintic.gov.co/portal/604/articles-8247_plan_estrategico_sectorial_2019_1t_v1_1.pdfNuñez Jover, J. (2014). Innovación y desarrollo social: un reto para CTS. In La ciencia y la tecnología como procesos sociales. Lo que la educación científica no debería olvidar. OEI - Organización de los estados latinoamericanos para la Educación, la ciencia y la cultura. https://www.oei.es/historico/salactsi/nunez07.htmPatrício, D. I., & Rieder, R. (2018). Computer vision and artificial intelligence in precision agriculture for grain crops: A systematic review. In Computers and Electronics in Agriculture (Vol. 153, pp. 69–81). Elsevier B.V. 80 https://doi.org/10.1016/j.compag.2018.08.001Poce Fatou, J. A. (2016). Regresión Lineal. Método de ajuste por mínimos cuadrados a una recta. 1–2. http://rodin.uca.es/xmlui/bitstream/handle/10498/14844/Tutoral_Regresion_Lineal_RODIN.pdf;jsessionid=B38E50F7FED5E6FE2F9A5239DE4B08F2?sequence=1Presidencia de la República. (2020). Decreto Número 457 del 22 de marzo de 2020. 1–14Springmann, M., Clark, M., Mason-D’Croz, D., Wiebe, K., Bodirsky, B. L., Lassaletta, L., de Vries, W., Vermeulen, S. J., Herrero, M., Carlson, K. M., Jonell, M., Troell, M., DeClerck, F., Gordon, L. J., Zurayk, R., Scarborough, P., Rayner, M., Loken, B., Fanzo, J., … Willett, W. (2018). Options for keeping the food system within environmental limits. Nature, 562(7728), 519–525. https://doi.org/10.1038/s41586-018-0594-0Technoserve. (2015). Construcción de un modelo de agricultura competitiva en Colombia. 123. http://www.larepublica.co/sites/default/files/larepublica/Presentación Master Modelo Agricultura Competitiva 2015.pdfTripathi, K. P. (2011). Decision Support System Is a Tool for Making Better Decisions in the Organization. Indian Journal of Computer Science and Engineering, 2(1), 112–117. http://www.ijcse.com/docs/IJCSE11-02-01-054.pdfVarela, L. A. Y., Tovar, L. A. R., & Chaparro, J. (2010). Modelo de aceptación tecnológica (TAM): Un estudio de la influencia de la cultura nacional y del perfil del usuario en el uso de las TIC. Innovar, 20(36), 187–203.Zamorano Ruiz, J. (2018). Comparativa Y Análisis De Algoritmos.ORIGINAL2020_Tesis_Saul_Hernando_Mejia.pdf2020_Tesis_Saul_Hernando_Mejia.pdfTesisapplication/pdf1756389https://repository.unab.edu.co/bitstream/20.500.12749/12043/1/2020_Tesis_Saul_Hernando_Mejia.pdf5e37d503bed81a06f560e3454d2e677bMD51open access2020_Licencia_Saul_Hernando_Mejia.pdf2020_Licencia_Saul_Hernando_Mejia.pdfLicenciaapplication/pdf102277https://repository.unab.edu.co/bitstream/20.500.12749/12043/2/2020_Licencia_Saul_Hernando_Mejia.pdf1a7a5f721231e2fad71be1bac5d13a8dMD52metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repository.unab.edu.co/bitstream/20.500.12749/12043/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53open accessTHUMBNAIL2020_Tesis_Saul_Hernando_Mejia.pdf.jpg2020_Tesis_Saul_Hernando_Mejia.pdf.jpgIM Thumbnailimage/jpeg4620https://repository.unab.edu.co/bitstream/20.500.12749/12043/4/2020_Tesis_Saul_Hernando_Mejia.pdf.jpgaddaecf56ab7ecff9ed69886487a3a19MD54open access2020_Licencia_Saul_Hernando_Mejia.pdf.jpg2020_Licencia_Saul_Hernando_Mejia.pdf.jpgIM Thumbnailimage/jpeg10033https://repository.unab.edu.co/bitstream/20.500.12749/12043/5/2020_Licencia_Saul_Hernando_Mejia.pdf.jpga8a3ed123eff9e863dd243a939423b24MD55open access20.500.12749/12043oai:repository.unab.edu.co:20.500.12749/120432023-06-16 10:58:28.133open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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 |