La personalización de contenidos para audiencias masivas por medio de la generación automatizada con ChatGPT (GPT-4)
El propósito del estudio fue evaluar cómo la personalización de contenidos para audiencias masivas, mediante la generación automatizada con ChatGPT (GPT-4), puede mejorar la efectividad en el marketing digital. El estudio se enfocó en el uso de inteligencia artificial para personalizar mensajes en t...
- Autores:
-
Useche Moreno, Edwin Andrés
Rendón Bello, Sara Valentina
- Tipo de recurso:
- https://purl.org/coar/resource_type/c_7a1f
- Fecha de publicación:
- 2024
- Institución:
- Universidad El Bosque
- Repositorio:
- Repositorio U. El Bosque
- Idioma:
- spa
eng
- OAI Identifier:
- oai:repositorio.unbosque.edu.co:20.500.12495/13662
- Acceso en línea:
- https://hdl.handle.net/20.500.12495/13662
- Palabra clave:
- Personalización de contenidos
Inteligencia artificial
ChatGPT
Marketing digital
Generación automatizada
382
Content personalization
Artificial intelligence
ChatGPT
Digital marketing
Automated generation
- Rights
- License
- Attribution-NonCommercial-NoDerivatives 4.0 International
| id |
UNBOSQUE2_5d3abb34babd33ebc695396cc6cafe7f |
|---|---|
| oai_identifier_str |
oai:repositorio.unbosque.edu.co:20.500.12495/13662 |
| network_acronym_str |
UNBOSQUE2 |
| network_name_str |
Repositorio U. El Bosque |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
La personalización de contenidos para audiencias masivas por medio de la generación automatizada con ChatGPT (GPT-4) |
| dc.title.translated.none.fl_str_mv |
Personalizing content for mass audiences through automated generation with ChatGPT (GPT-4) |
| title |
La personalización de contenidos para audiencias masivas por medio de la generación automatizada con ChatGPT (GPT-4) |
| spellingShingle |
La personalización de contenidos para audiencias masivas por medio de la generación automatizada con ChatGPT (GPT-4) Personalización de contenidos Inteligencia artificial ChatGPT Marketing digital Generación automatizada 382 Content personalization Artificial intelligence ChatGPT Digital marketing Automated generation |
| title_short |
La personalización de contenidos para audiencias masivas por medio de la generación automatizada con ChatGPT (GPT-4) |
| title_full |
La personalización de contenidos para audiencias masivas por medio de la generación automatizada con ChatGPT (GPT-4) |
| title_fullStr |
La personalización de contenidos para audiencias masivas por medio de la generación automatizada con ChatGPT (GPT-4) |
| title_full_unstemmed |
La personalización de contenidos para audiencias masivas por medio de la generación automatizada con ChatGPT (GPT-4) |
| title_sort |
La personalización de contenidos para audiencias masivas por medio de la generación automatizada con ChatGPT (GPT-4) |
| dc.creator.fl_str_mv |
Useche Moreno, Edwin Andrés Rendón Bello, Sara Valentina |
| dc.contributor.advisor.none.fl_str_mv |
Rojas Sánchez, Germán Mauricio |
| dc.contributor.author.none.fl_str_mv |
Useche Moreno, Edwin Andrés Rendón Bello, Sara Valentina |
| dc.subject.none.fl_str_mv |
Personalización de contenidos Inteligencia artificial ChatGPT Marketing digital Generación automatizada |
| topic |
Personalización de contenidos Inteligencia artificial ChatGPT Marketing digital Generación automatizada 382 Content personalization Artificial intelligence ChatGPT Digital marketing Automated generation |
| dc.subject.ddc.none.fl_str_mv |
382 |
| dc.subject.keywords.none.fl_str_mv |
Content personalization Artificial intelligence ChatGPT Digital marketing Automated generation |
| description |
El propósito del estudio fue evaluar cómo la personalización de contenidos para audiencias masivas, mediante la generación automatizada con ChatGPT (GPT-4), puede mejorar la efectividad en el marketing digital. El estudio se enfocó en el uso de inteligencia artificial para personalizar mensajes en tiempo real y a gran escala, optimizando la experiencia del usuario sin comprometer la calidad. Para ello, se emplearon técnicas de recopilación de datos demográficos, de comportamiento y de preferencias de los usuarios mediante herramientas como cookies, CRM y encuestas, además de análisis de redes sociales. Estos datos fueron procesados y utilizados por ChatGPT para generar contenido personalizado en plataformas web y de correos electrónicos. Los resultados mostraron un incremento del 25% en la tasa de conversión y un aumento del 15% en el tiempo de interacción, lo que confirmó que la personalización incrementó la relevancia percibida y el compromiso de los usuarios. Asimismo, la retención de clientes mejoró un 18%, y la satisfacción del usuario alcanzó el 85% en las encuestas. Las conclusiones destacan que la personalización automatizada con ChatGPT no solo es viable a gran escala, sino que también representa una ventaja competitiva importante para las empresas que buscan mejorar su interacción con los clientes y aumentar las tasas de conversión y fidelización. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-12-10T15:37:47Z |
| dc.date.available.none.fl_str_mv |
2024-12-10T15:37:47Z |
| dc.date.issued.none.fl_str_mv |
2024-10 |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.local.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
| dc.type.coar.none.fl_str_mv |
https://purl.org/coar/resource_type/c_7a1f |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coarversion.none.fl_str_mv |
https://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
https://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12495/13662 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad El Bosque |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad El Bosque |
| dc.identifier.repourl.none.fl_str_mv |
repourl:https://repositorio.unbosque.edu.co |
| url |
https://hdl.handle.net/20.500.12495/13662 |
| identifier_str_mv |
instname:Universidad El Bosque reponame:Repositorio Institucional Universidad El Bosque repourl:https://repositorio.unbosque.edu.co |
| dc.language.iso.fl_str_mv |
spa eng |
| language |
spa eng |
| dc.relation.references.none.fl_str_mv |
Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., ... & Amodei, D. (2020). Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems, 33, 1877–1901. Recuperado de: https://arxiv.org/pdf/2005.14165 Davenport, T., & Ronanki, R. (2018). Artificial Intelligence for the Real World. Harvard Business Review, 96(1), 108–116. Recuperado de: https://www.studocu.com/ca-es/document/universitat-de-barcelona/contabilidad/artificial-intelligence-for-the-real-world-spanish-version-davenport-th-ronanki-r-hbp-2018/14396426 Hassan, A., Zaki, M., & Johnson, C. (2020). The Impact of Personalization on Customer Engagement in Marketing. Journal of Business Research, 120, 128-139. Recuperado de: https://www.multiresearchjournal.com/admin/uploads/archives/archive-1705742232.pdf Kaplan, A., & Haenlein, M. (2019). Siri, Siri in my hand, who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business Horizons, 62(1), 15–25. Recuperado de: https://www.researchgate.net/publication/328761767_Siri_Siri_in_my_hand_Who's_the_fairest_in_the_land_On_the_interpretations_illustrations_and_implications_of_artificial_intelligence Kietzmann, J., Paschen, J., & Treen, E. (2018). Artificial intelligence in advertising: How marketers can leverage artificial intelligence along the consumer journey. Journal of Advertising Research, 58(3), 263–267. Recuperado de: https://www.researchgate.net/publication/327500836_Artificial_Intelligence_in_Advertising_How_Marketers_Can_Leverage_Artificial_Intelligence_Along_the_Consumer_Journey Kohavi, R., Deng, A., Longbotham, R., & Xu, Y. (2020). Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing. Cambridge University Press. Recuperado de: https://assets.cambridge.org/97811087/24265/frontmatter/9781108724265_frontmatter.pdf Kumar, V., Rajan, B., Venkatesan, R., & Lecinski, J. (2021). Understanding the Role of Artificial Intelligence in Personalized Engagement Marketing. California Management Review, 63(1), 50–73. Recuperado de: https://www.academia.edu/80691288/Understanding_the_Role_of_Artificial_Intelligence_in_Personalized_Engagement_Marketing Lemon, K. N., & Verhoef, P. C. (2016). Understanding Customer Experience Throughout the Customer Journey. Journal of Marketing, 80(6), 69–96. Recuperado de: https://typeset.io/pdf/understanding-customer-experience-throughout-the-customer-52i6qreyzk.pdf Manning, C. D., Raghavan, P., & Schütze, H. (2015). Introduction to Information Retrieval. Cambridge University Press. Recuperado de: https://nlp.stanford.edu/IR-book/pdf/irbookonlinereading.pdf Matz, S. C., Kosinski, M., Nave, G., & Stillwell, D. (2021). Psychological Targeting as an Effective Approach to Digital Mass Persuasion. Proceedings of the National Academy of Sciences, 118(12), 1-8. Recuperado de: https://www.pnas.org/doi/epdf/10.1073/pnas.1710966114 Pine, B. J., & Gilmore, J. H. (1999). The Experience Economy: Work Is Theater & Every Business a Stage. Harvard Business School Press. Recuperado de: https://enlillebid.dk/mmd/wp-content/uploads/2012/03/Welcome-to-the-Experience-Economy-Pine-and-Gilmore.pdf Schreiner, M., Fischer, D., & Riedl, R. (2019). Impact of Content Personalization on User Engagement: An Experimental Study in E-Learning. Computers in Human Behavior, 92, 159–170. Recuperado de: https://www.researchgate.net/publication/377538425_The_Impact_of_Personalization_Strategies_on_Consumer_Engagement_and_Conversion_Rates_in_Digital_Marketing Tam, K. Y., & Ho, S. Y. (2005). Web personalization as a persuasion strategy: An elaboration likelihood model perspective. Information Systems Research, 16(3), 271–291. Recuperado de: http://www.communicationcache.com/uploads/1/0/8/8/10887248/web_personalization_as_a_persuasion_strategy-_an_elaboration_likelihood_model_perspective.pdf Tikkinen-Piri, C., Rohunen, A., & Markkula, J. (2018). EU General Data Protection Regulation: Changes and Implications for Personal Data Collecting Companies. Computer Law & Security Review, 34(1), 134-153. Recuperado de: https://www.infona.pl/resource/bwmeta1.element.elsevier-3a44a579-9cc6-3332-bdc5-7f3a1ea97d42 Wang, Y., Kung, L., & Byrd, T. A. (2020). Big Data Analytics: Understanding its Capabilities and Potential Benefits for Healthcare Organizations. Technological Forecasting and Social Change, 126, 3-13. Recuperaqdo de: https://ideas.repec.org/a/eee/tefoso/v126y2018icp3-13.html Zeng, D., Chen, H., Lusch, R., & Li, S.-H. (2010). Social Media Analytics and Intelligence. IEEE Intelligent Systems, 25(6), 13-16. Recuperado de: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=5678581 |
| dc.rights.en.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.local.spa.fl_str_mv |
Acceso abierto |
| dc.rights.accessrights.none.fl_str_mv |
https://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International http://creativecommons.org/licenses/by-nc-nd/4.0/ Acceso abierto https://purl.org/coar/access_right/c_abf2 http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.program.spa.fl_str_mv |
Marketing y Transformación Digital |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad El Bosque |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias Económicas y Administrativas |
| institution |
Universidad El Bosque |
| bitstream.url.fl_str_mv |
https://repositorio.unbosque.edu.co/bitstreams/157751d7-3ac8-466a-b2ee-661c7cc6df89/download https://repositorio.unbosque.edu.co/bitstreams/b33166f7-8121-4c0b-ad02-d51b284a3c79/download https://repositorio.unbosque.edu.co/bitstreams/191e7171-3ffa-4ad3-9656-2e53332e2349/download https://repositorio.unbosque.edu.co/bitstreams/abba806a-09c2-4188-a442-bdd959fb489e/download https://repositorio.unbosque.edu.co/bitstreams/8acecf4a-ba4c-4f74-8f27-4ae686b2bdee/download https://repositorio.unbosque.edu.co/bitstreams/0722b57c-2dd8-4edd-8c6d-ee05268d7445/download https://repositorio.unbosque.edu.co/bitstreams/e7a2e65e-5440-432d-bc04-a08f98981053/download |
| bitstream.checksum.fl_str_mv |
17cc15b951e7cc6b3728a574117320f9 15c7844c3182191cd8592eb5e21de5df 6684a2cda576293ab1b98120b0c40848 6684a2cda576293ab1b98120b0c40848 3b6ce8e9e36c89875e8cf39962fe8920 5eb65f0189c51776fd44d72dd5692382 91995d6f85e062c57f79c6a95c6f2c31 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad El Bosque |
| repository.mail.fl_str_mv |
bibliotecas@biteca.com |
| _version_ |
1828164602835238912 |
| spelling |
Rojas Sánchez, Germán MauricioUseche Moreno, Edwin AndrésRendón Bello, Sara Valentina2024-12-10T15:37:47Z2024-12-10T15:37:47Z2024-10https://hdl.handle.net/20.500.12495/13662instname:Universidad El Bosquereponame:Repositorio Institucional Universidad El Bosquerepourl:https://repositorio.unbosque.edu.coEl propósito del estudio fue evaluar cómo la personalización de contenidos para audiencias masivas, mediante la generación automatizada con ChatGPT (GPT-4), puede mejorar la efectividad en el marketing digital. El estudio se enfocó en el uso de inteligencia artificial para personalizar mensajes en tiempo real y a gran escala, optimizando la experiencia del usuario sin comprometer la calidad. Para ello, se emplearon técnicas de recopilación de datos demográficos, de comportamiento y de preferencias de los usuarios mediante herramientas como cookies, CRM y encuestas, además de análisis de redes sociales. Estos datos fueron procesados y utilizados por ChatGPT para generar contenido personalizado en plataformas web y de correos electrónicos. Los resultados mostraron un incremento del 25% en la tasa de conversión y un aumento del 15% en el tiempo de interacción, lo que confirmó que la personalización incrementó la relevancia percibida y el compromiso de los usuarios. Asimismo, la retención de clientes mejoró un 18%, y la satisfacción del usuario alcanzó el 85% en las encuestas. Las conclusiones destacan que la personalización automatizada con ChatGPT no solo es viable a gran escala, sino que también representa una ventaja competitiva importante para las empresas que buscan mejorar su interacción con los clientes y aumentar las tasas de conversión y fidelización.Profesional en Marketing y Transformación DigitalPregradoThe purpose of the study was to evaluate how personalizing content for mass audiences, through automated generation with ChatGPT (GPT-4), can improve effectiveness in digital marketing. The study focused on the use of artificial intelligence to personalize messages in real time and at scale, optimizing the user experience without compromising quality. To achieve this, techniques were used to collect demographic data, behavior and user preferences through tools such as cookies, CRM and surveys, as well as social network analysis. This data was processed and used by ChatGPT to generate personalized content on web and email platforms. The results showed a 25% increase in conversion rate and a 15% increase in interaction time, confirming that personalization increased perceived relevance and user engagement. Additionally, customer retention improved by 18%, and user satisfaction reached 85% in surveys. The findings highlight that automated personalization with ChatGPT is not only viable at scale, but also represents an important competitive advantage for companies seeking to improve their interaction with customers and increase conversion and loyalty rates.application/pdfspaengAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Acceso abiertohttps://purl.org/coar/access_right/c_abf2http://purl.org/coar/access_right/c_abf2Personalización de contenidosInteligencia artificialChatGPTMarketing digitalGeneración automatizada382Content personalizationArtificial intelligenceChatGPTDigital marketingAutomated generationLa personalización de contenidos para audiencias masivas por medio de la generación automatizada con ChatGPT (GPT-4)Personalizing content for mass audiences through automated generation with ChatGPT (GPT-4)Marketing y Transformación DigitalUniversidad El BosqueFacultad de Ciencias Económicas y AdministrativasTesis/Trabajo de grado - Monografía - Pregradohttps://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesishttps://purl.org/coar/version/c_970fb48d4fbd8a85Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., ... & Amodei, D. (2020). Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems, 33, 1877–1901. Recuperado de: https://arxiv.org/pdf/2005.14165Davenport, T., & Ronanki, R. (2018). Artificial Intelligence for the Real World. Harvard Business Review, 96(1), 108–116. Recuperado de: https://www.studocu.com/ca-es/document/universitat-de-barcelona/contabilidad/artificial-intelligence-for-the-real-world-spanish-version-davenport-th-ronanki-r-hbp-2018/14396426Hassan, A., Zaki, M., & Johnson, C. (2020). The Impact of Personalization on Customer Engagement in Marketing. Journal of Business Research, 120, 128-139. Recuperado de: https://www.multiresearchjournal.com/admin/uploads/archives/archive-1705742232.pdfKaplan, A., & Haenlein, M. (2019). Siri, Siri in my hand, who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Business Horizons, 62(1), 15–25. Recuperado de: https://www.researchgate.net/publication/328761767_Siri_Siri_in_my_hand_Who's_the_fairest_in_the_land_On_the_interpretations_illustrations_and_implications_of_artificial_intelligenceKietzmann, J., Paschen, J., & Treen, E. (2018). Artificial intelligence in advertising: How marketers can leverage artificial intelligence along the consumer journey. Journal of Advertising Research, 58(3), 263–267. Recuperado de: https://www.researchgate.net/publication/327500836_Artificial_Intelligence_in_Advertising_How_Marketers_Can_Leverage_Artificial_Intelligence_Along_the_Consumer_JourneyKohavi, R., Deng, A., Longbotham, R., & Xu, Y. (2020). Trustworthy Online Controlled Experiments: A Practical Guide to A/B Testing. Cambridge University Press. Recuperado de: https://assets.cambridge.org/97811087/24265/frontmatter/9781108724265_frontmatter.pdfKumar, V., Rajan, B., Venkatesan, R., & Lecinski, J. (2021). Understanding the Role of Artificial Intelligence in Personalized Engagement Marketing. California Management Review, 63(1), 50–73. Recuperado de: https://www.academia.edu/80691288/Understanding_the_Role_of_Artificial_Intelligence_in_Personalized_Engagement_MarketingLemon, K. N., & Verhoef, P. C. (2016). Understanding Customer Experience Throughout the Customer Journey. Journal of Marketing, 80(6), 69–96. Recuperado de: https://typeset.io/pdf/understanding-customer-experience-throughout-the-customer-52i6qreyzk.pdfManning, C. D., Raghavan, P., & Schütze, H. (2015). Introduction to Information Retrieval. Cambridge University Press. Recuperado de: https://nlp.stanford.edu/IR-book/pdf/irbookonlinereading.pdfMatz, S. C., Kosinski, M., Nave, G., & Stillwell, D. (2021). Psychological Targeting as an Effective Approach to Digital Mass Persuasion. Proceedings of the National Academy of Sciences, 118(12), 1-8. Recuperado de: https://www.pnas.org/doi/epdf/10.1073/pnas.1710966114Pine, B. J., & Gilmore, J. H. (1999). The Experience Economy: Work Is Theater & Every Business a Stage. Harvard Business School Press. Recuperado de: https://enlillebid.dk/mmd/wp-content/uploads/2012/03/Welcome-to-the-Experience-Economy-Pine-and-Gilmore.pdfSchreiner, M., Fischer, D., & Riedl, R. (2019). Impact of Content Personalization on User Engagement: An Experimental Study in E-Learning. Computers in Human Behavior, 92, 159–170. Recuperado de: https://www.researchgate.net/publication/377538425_The_Impact_of_Personalization_Strategies_on_Consumer_Engagement_and_Conversion_Rates_in_Digital_MarketingTam, K. Y., & Ho, S. Y. (2005). Web personalization as a persuasion strategy: An elaboration likelihood model perspective. Information Systems Research, 16(3), 271–291. Recuperado de: http://www.communicationcache.com/uploads/1/0/8/8/10887248/web_personalization_as_a_persuasion_strategy-_an_elaboration_likelihood_model_perspective.pdfTikkinen-Piri, C., Rohunen, A., & Markkula, J. (2018). EU General Data Protection Regulation: Changes and Implications for Personal Data Collecting Companies. Computer Law & Security Review, 34(1), 134-153. Recuperado de: https://www.infona.pl/resource/bwmeta1.element.elsevier-3a44a579-9cc6-3332-bdc5-7f3a1ea97d42Wang, Y., Kung, L., & Byrd, T. A. (2020). Big Data Analytics: Understanding its Capabilities and Potential Benefits for Healthcare Organizations. Technological Forecasting and Social Change, 126, 3-13. Recuperaqdo de: https://ideas.repec.org/a/eee/tefoso/v126y2018icp3-13.htmlZeng, D., Chen, H., Lusch, R., & Li, S.-H. (2010). Social Media Analytics and Intelligence. IEEE Intelligent Systems, 25(6), 13-16. Recuperado de: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=5678581LICENSElicense.txtlicense.txttext/plain; charset=utf-82000https://repositorio.unbosque.edu.co/bitstreams/157751d7-3ac8-466a-b2ee-661c7cc6df89/download17cc15b951e7cc6b3728a574117320f9MD51Anexo 1. Acta de aprobacion.pdfapplication/pdf275151https://repositorio.unbosque.edu.co/bitstreams/b33166f7-8121-4c0b-ad02-d51b284a3c79/download15c7844c3182191cd8592eb5e21de5dfMD55Carta de autorizacion.pdfapplication/pdf767577https://repositorio.unbosque.edu.co/bitstreams/191e7171-3ffa-4ad3-9656-2e53332e2349/download6684a2cda576293ab1b98120b0c40848MD56ORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf767577https://repositorio.unbosque.edu.co/bitstreams/abba806a-09c2-4188-a442-bdd959fb489e/download6684a2cda576293ab1b98120b0c40848MD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8899https://repositorio.unbosque.edu.co/bitstreams/8acecf4a-ba4c-4f74-8f27-4ae686b2bdee/download3b6ce8e9e36c89875e8cf39962fe8920MD54TEXTTrabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain57786https://repositorio.unbosque.edu.co/bitstreams/0722b57c-2dd8-4edd-8c6d-ee05268d7445/download5eb65f0189c51776fd44d72dd5692382MD57THUMBNAILTrabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg4335https://repositorio.unbosque.edu.co/bitstreams/e7a2e65e-5440-432d-bc04-a08f98981053/download91995d6f85e062c57f79c6a95c6f2c31MD5820.500.12495/13662oai:repositorio.unbosque.edu.co:20.500.12495/136622024-12-11 03:08:21.444http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalopen.accesshttps://repositorio.unbosque.edu.coRepositorio Institucional Universidad El Bosquebibliotecas@biteca.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 |