Aplicación de técnicas de minería de datos para el análisis de los factores socioculturales que determinan el puntaje de las pruebas saber 11 del año 2018, 2019 y 2020
Esta propuesta tiene como meta, mostrar los diferentes procesos de indagación que se aplicarán para el desarrollo de patrones de datos, utilizando técnicas de minería de datos a tres datasets (pruebas SABER 11 de los años 2018, 2019 y 2020), los cuales fueron obtenidos haciendo uso de la plataforma...
- Autores:
-
Novoa Montenegro, Andrés Felipe
Gómez Torres, Cristhian Mauricio
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad de Ibagué
- Repositorio:
- Repositorio Universidad de Ibagué
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unibague.edu.co:20.500.12313/3812
- Acceso en línea:
- https://hdl.handle.net/20.500.12313/3812
- Palabra clave:
- Pruebas saber 11 2018-2020 - Minería de datos
Pruebas saber 11 2018-2020 - Factores socioculturales - Puntaje
Pruebas saber 11 2018-2020 - Factores socioculturales - Análisis
Saber 11,
Visual Studio
Dataset
ICFES
Patrones
Minería de datos
Árboles de decisión
Saber 11
Visual Studio
Dataset
ICFES
Patterns
Data mining
Decision trees
- Rights
- openAccess
- License
- http://purl.org/coar/access_right/c_abf2
| id |
UNIBAGUE2_59efd2a81fa68a90880e44bbaf2948d7 |
|---|---|
| oai_identifier_str |
oai:repositorio.unibague.edu.co:20.500.12313/3812 |
| network_acronym_str |
UNIBAGUE2 |
| network_name_str |
Repositorio Universidad de Ibagué |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Aplicación de técnicas de minería de datos para el análisis de los factores socioculturales que determinan el puntaje de las pruebas saber 11 del año 2018, 2019 y 2020 |
| title |
Aplicación de técnicas de minería de datos para el análisis de los factores socioculturales que determinan el puntaje de las pruebas saber 11 del año 2018, 2019 y 2020 |
| spellingShingle |
Aplicación de técnicas de minería de datos para el análisis de los factores socioculturales que determinan el puntaje de las pruebas saber 11 del año 2018, 2019 y 2020 Pruebas saber 11 2018-2020 - Minería de datos Pruebas saber 11 2018-2020 - Factores socioculturales - Puntaje Pruebas saber 11 2018-2020 - Factores socioculturales - Análisis Saber 11, Visual Studio Dataset ICFES Patrones Minería de datos Árboles de decisión Saber 11 Visual Studio Dataset ICFES Patterns Data mining Decision trees |
| title_short |
Aplicación de técnicas de minería de datos para el análisis de los factores socioculturales que determinan el puntaje de las pruebas saber 11 del año 2018, 2019 y 2020 |
| title_full |
Aplicación de técnicas de minería de datos para el análisis de los factores socioculturales que determinan el puntaje de las pruebas saber 11 del año 2018, 2019 y 2020 |
| title_fullStr |
Aplicación de técnicas de minería de datos para el análisis de los factores socioculturales que determinan el puntaje de las pruebas saber 11 del año 2018, 2019 y 2020 |
| title_full_unstemmed |
Aplicación de técnicas de minería de datos para el análisis de los factores socioculturales que determinan el puntaje de las pruebas saber 11 del año 2018, 2019 y 2020 |
| title_sort |
Aplicación de técnicas de minería de datos para el análisis de los factores socioculturales que determinan el puntaje de las pruebas saber 11 del año 2018, 2019 y 2020 |
| dc.creator.fl_str_mv |
Novoa Montenegro, Andrés Felipe Gómez Torres, Cristhian Mauricio |
| dc.contributor.advisor.none.fl_str_mv |
Lugo González, Carlos Andrés |
| dc.contributor.author.none.fl_str_mv |
Novoa Montenegro, Andrés Felipe Gómez Torres, Cristhian Mauricio |
| dc.subject.armarc.none.fl_str_mv |
Pruebas saber 11 2018-2020 - Minería de datos Pruebas saber 11 2018-2020 - Factores socioculturales - Puntaje Pruebas saber 11 2018-2020 - Factores socioculturales - Análisis |
| topic |
Pruebas saber 11 2018-2020 - Minería de datos Pruebas saber 11 2018-2020 - Factores socioculturales - Puntaje Pruebas saber 11 2018-2020 - Factores socioculturales - Análisis Saber 11, Visual Studio Dataset ICFES Patrones Minería de datos Árboles de decisión Saber 11 Visual Studio Dataset ICFES Patterns Data mining Decision trees |
| dc.subject.proposal.spa.fl_str_mv |
Saber 11, Visual Studio Dataset ICFES Patrones Minería de datos Árboles de decisión |
| dc.subject.proposal.eng.fl_str_mv |
Saber 11 Visual Studio Dataset ICFES Patterns Data mining Decision trees |
| description |
Esta propuesta tiene como meta, mostrar los diferentes procesos de indagación que se aplicarán para el desarrollo de patrones de datos, utilizando técnicas de minería de datos a tres datasets (pruebas SABER 11 de los años 2018, 2019 y 2020), los cuales fueron obtenidos haciendo uso de la plataforma ICFES. Con los datasets obtenidos, se espera llegar a resultados específicos que indiquen los diferentes factores socioculturales que afectan los distintos puntajes de los estudiantes en los departamentos del Tolima, Huila y Caquetá. Se hará uso de tres datasets de las pruebas SABER 11 de los años 2018, 2019 y 2020, los cuales poseen: 549.936 el del año 2018, 546.213 para el año 2019 y 504.783 del año 2020. De igual manera se planea aplicar dichos registros en un motor de bases de datos relacionales, en este caso se usará SQL SERVER, esto para agilizar los procesos necesarios en el tratamiento de la información. Una vez procesado los datos de manera correcta, se implementarán en la herramienta de análisis de datos que se usarán, para este trabajo se usara un software llamado Visual Studio 2019 con una extensión para el análisis de datos llamada “Proyectos de modelado de Microsoft Analysis Services”, el cual permite visualizar los datos con diferentes técnicas de minería de datos como árboles de decisión, clustering y reglas de asociación. Finalizando se mostrarán los resultados obtenidos para sus respectivas conclusiones. |
| publishDate |
2022 |
| dc.date.issued.none.fl_str_mv |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2023-09-29T21:47:31Z |
| dc.date.available.none.fl_str_mv |
2023-09-29T21:47:31Z |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.citation.none.fl_str_mv |
Novoa Montenegro, A.F., Gómez Torres, C.M. (2022). Aplicación de técnicas de minería de datos para el análisis de los factores socioculturales que determinan el puntaje de las pruebas saber 11 del año 2018, 2019 y 2020. [Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/3812 |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12313/3812 |
| identifier_str_mv |
Novoa Montenegro, A.F., Gómez Torres, C.M. (2022). Aplicación de técnicas de minería de datos para el análisis de los factores socioculturales que determinan el puntaje de las pruebas saber 11 del año 2018, 2019 y 2020. [Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/3812 |
| url |
https://hdl.handle.net/20.500.12313/3812 |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Pérez López, C. P. L., & Santín González, D. S. G. (2007). Minería de datos: técnicas y herramientas. Madrid: Thomson. Rodríguez Rodríguez, J. E. R. R. (2010). Fundamentos de minería de datos. Bogotá: Universidad Distrital Francisco José de Caldas. Humberto Llinás Solano, C. R. (2005). Estadística descriptiva y distribuciones de probabilidad. Barranquilla: Ediciones Uninorte. Herrera Santos, M., & Ospina Valencia, F. (2018). Integración de etapas técnicas de metodologías BI con el método de gestión lean analytics: una metodología para obtención de conocimiento. Enlace Hernández, C.L., & Dueñas, M.X. (2009). Hacia una metodología de gestión del conocimiento basada en minería de datos. Enlace Martínez, D., & Gámez, D.(2018). Aplicación de Técnicas de Minería de Datos para el Análisis de Información del Sector Educativo de Colombia (Tesis de Pregrado). De la base de datos Universidad de los andes. Rodríguez Dueñas, F. J., Benavides Gutiérrez, H. & Riascos Villegas, A. J. (2018). Predicción del desempeño académico usando técnicas de aprendizaje de máquinas (Tesis de Pregrado). De la base de datos Universidad de los andes. Chica Gómez, S.M, Galvis Gutiérrez, D.M, Hassan, A.R. (2011). Determinantes del rendimiento académico en Colombia: pruebas ICFES Saber 11º, 2009. (Paper). De la Universidad EAFIT. CONGRESO DE COLOMBIA. Ley 142 de 1994 (julio 11), artículo 102. A. Simitsis y P. Vassiliadis, «A method for the mapping of conceptual designs to logical blueprints for ETL processes», Decision Support Systems, vol. 45, nº. 1, págs. 22-40, Abr. 2008. Manning, Christopher y Hinrich Schütze. 1999. Foundations of statistical Natural Language Processing. Cambridge, Massachusetts. MIT Press. Orozco, M. (2017). Método de reglas de asociación para el análisis de afinidad entre objetos de tipo texto (Doctoral dissertation). Albrecht, A., & Naumann, F. (2008). Managing ETL Processes. NTII, 8(2008), 12- 15. Ministerio de Educación. (2014). EDUCACIÓN SUPERIOR 2014 - SÍNTESIS ESTADÍSTICA DEPARTAMENTO DE TOLIMA. Enlace Berlanga, V., Rubio Hurtado, M. J., & Vilà Baños, R. (2013). Cómo aplicar árboles de decisión en SPSS. REIRE. Revista d'Innovació i Recerca en Educació, 2013, vol. 6, num. 1, p. 65-79. Reyes-Nava, A., Flores-Fuentes, A., Alejo, R., & Lara, E. R. (2017). Minería de datos aplicada para la identificación de factores de riesgo en alumnos. Res. Comput. Sci., 139, 177-18 |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.none.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
| dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://purl.org/coar/access_right/c_abf2 Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.format.extent.none.fl_str_mv |
76 páginas |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad de Ibagué |
| dc.publisher.faculty.none.fl_str_mv |
Ingeniería |
| dc.publisher.place.none.fl_str_mv |
Ibagué |
| dc.publisher.program.none.fl_str_mv |
Ingeniería de Sistemas |
| publisher.none.fl_str_mv |
Universidad de Ibagué |
| institution |
Universidad de Ibagué |
| bitstream.url.fl_str_mv |
https://repositorio.unibague.edu.co/bitstreams/b81a4acd-fe0b-419d-97e6-0034755c82aa/download https://repositorio.unibague.edu.co/bitstreams/f94480dc-ea53-46f3-ad1a-a3bbe3e91ce9/download https://repositorio.unibague.edu.co/bitstreams/4ef0bf8c-b763-4898-a8c2-b6500fbe373d/download https://repositorio.unibague.edu.co/bitstreams/fbb81eab-0bb9-4fac-8153-9321873d9e17/download https://repositorio.unibague.edu.co/bitstreams/58e95b9e-8510-49fa-8c69-6725b2320e2f/download https://repositorio.unibague.edu.co/bitstreams/c3c862dd-3575-41fb-a77d-437091cfb6f0/download https://repositorio.unibague.edu.co/bitstreams/950fa75a-b86d-4764-9a1b-be4733be99eb/download |
| bitstream.checksum.fl_str_mv |
b43bc567c1ed7c7a264e630f28e336ad 90c428a76418163d744aca6db80efcd2 6ff965e1d9c842a62a5895fc69021ceb b2d69bce48a1e704e5d84ed0c86957fc cbac38eeac1b19bf5040290343ad5eef 6c294710f09da2d98e211a81ca99509e 2fa3e590786b9c0f3ceba1b9656b7ac3 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad de Ibagué |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1814204126846779392 |
| spelling |
Lugo González, Carlos Andrésc7c7b0da-c06e-4b1f-8f28-9570765b2624-1Novoa Montenegro, Andrés Felipeb44f52b7-0dfe-4f29-8cde-a2a007b5c8de-1Gómez Torres, Cristhian Mauricioc33f6158-76b8-471d-af51-abbc26ff9912-12023-09-29T21:47:31Z2023-09-29T21:47:31Z2022Esta propuesta tiene como meta, mostrar los diferentes procesos de indagación que se aplicarán para el desarrollo de patrones de datos, utilizando técnicas de minería de datos a tres datasets (pruebas SABER 11 de los años 2018, 2019 y 2020), los cuales fueron obtenidos haciendo uso de la plataforma ICFES. Con los datasets obtenidos, se espera llegar a resultados específicos que indiquen los diferentes factores socioculturales que afectan los distintos puntajes de los estudiantes en los departamentos del Tolima, Huila y Caquetá. Se hará uso de tres datasets de las pruebas SABER 11 de los años 2018, 2019 y 2020, los cuales poseen: 549.936 el del año 2018, 546.213 para el año 2019 y 504.783 del año 2020. De igual manera se planea aplicar dichos registros en un motor de bases de datos relacionales, en este caso se usará SQL SERVER, esto para agilizar los procesos necesarios en el tratamiento de la información. Una vez procesado los datos de manera correcta, se implementarán en la herramienta de análisis de datos que se usarán, para este trabajo se usara un software llamado Visual Studio 2019 con una extensión para el análisis de datos llamada “Proyectos de modelado de Microsoft Analysis Services”, el cual permite visualizar los datos con diferentes técnicas de minería de datos como árboles de decisión, clustering y reglas de asociación. Finalizando se mostrarán los resultados obtenidos para sus respectivas conclusiones.The goal of this proposal is to show the different inquiry processes that will be used for the development of data patterns, using data mining techniques on three datasets (SABER 11 tests of the years 2018, 2019 and 2020), which were obtained making use of the ICFES platform. With the data sets obtained, it is expected to arrive at specific results that indicate the different sociocultural factors that arise from the different scores of the students in the departments of Tolima, Huila and Caquetá. Three datasets from the SABER 11 tests of the years 2018, 2019 and 2020 will be used, which have: 549,936 for the year 2018, 546,213 for the year 2019 and 504,783 for the year 2020. Likewise, it is planned to apply these records in a relational database engine, in this case SQL SERVER will be used, this to streamline the necessary processes in the treatment of information. Once the data has been processed correctly, it will be implemented in the data analysis tool that will be used, for this work a software called Visual Studio 2019 will be used with an extension for data analysis called "Microsoft Modeling Projects". Analysis Services”, which allows data to be visualized with different data mining techniques such as decision trees, clustering and association rules. At the end, the results obtained will be shown for their respective conclusions.PregradoIngeniero de SistemasResumen.... 4 Contenido.... 6 Lista de Gráficos.... 8 Lista de tablas ... 9 Introducción .... 11 Capítulo 1: Objetivos y justificación . 13 1.1. Planteamiento del problema y justificación .... 13 1.2. Objetivos.... 14 Capítulo 2: Marco teórico.... 15 2.1. Trabajos de referencia .... 15 2.2. Conceptos teóricos ... 16 2.2.1. Estadística descriptiva .... 16 2.2.2. Minería de datos ... 16 2.2.3. Técnicas de minería de datos ... 16 2.2.4. ETL (Extraction, Transformation and Load) .. 16 2.2.5. Árboles de decisión ... 17 2.2.6. Clustering ... 17 2.2.7. Reglas de asociación .... 17 2.3. Metodología implementada .. 18 2.3.1. Metodología SEMMA....18 2.3.1.1. Muestreo ....18 2.3.1.2. Exploración ... 19 2.3.1.3. Modelado....19 2.3.1.4. Modificación .. 19 2.3.1.5. Evaluación .... 19 Capítulo 3: Procedimiento con metodología SEMMA .... 20 3.1. Muestreo....20 3.2 Exploración .... 20 3.2.1 Exploración: Género ... 21 3.2.2. Exploración: Estrato .. 22 3.2.3. Exploración: Situación Laboral.... 23 3.2.4. Exploración: Ubicación Colegio.... 25 3.2.5. Exploración: Nivel educación padres....26 3.2.6. Exploración: Servicio internet y computadora .... 29 3.2.7. Exploración: Jornadas colegio .. 30 3.3. Modelado .... 31 3.4. Modificación y Evaluación .... 33 3.4.1. Árboles de decisión ... 33 3.4.1.1. Árbol de decisión: Servicio Computadora ... 33 3.4.1.2. Árbol de decisión: Servicio Internet .. 36 3.4.1.3. Árbol de decisión: Ubicación colegio.... 38 3.4.1.4. Árbol de decisión: Estrato....41 3.4.1.5. Árbol de decisión: Género....44 3.4.1.6. Árbol de decisión: Jornada.... 46 3.4.1.7. Árbol de decisión: Trabajo estudiante ... 49 3.4.2. Clustering ... 50 3.4.2.1. Clustering: Dataset ICFES 2018....50 3.4.2.2. Clustering: Dataset ICFES 2019....56 3.4.2.3. Clustering: Dataset ICFES 2020....61 3.4.3. Reglas de asociación.... 67 3.4.3.1. Reglas de asociación: Dataset ICFES 2018 ... 67 3.4.3.1. Reglas de asociación: Dataset ICFES 2019 ... 68 3.4.3.2. Reglas de asociación: Dataset ICFES 2020 ... 68 Capítulo 4: Conclusiones y recomendaciones. .... 70 4.1. Conclusiones ... 70 4.2. Recomendaciones 71 Referencias bibliográficas .. 72 A. Anexo: Diccionario de datos de base de datos ICFES ... 7376 páginasapplication/pdfNovoa Montenegro, A.F., Gómez Torres, C.M. (2022). Aplicación de técnicas de minería de datos para el análisis de los factores socioculturales que determinan el puntaje de las pruebas saber 11 del año 2018, 2019 y 2020. [Trabajo de grado, Universidad de Ibagué]. https://hdl.handle.net/20.500.12313/3812https://hdl.handle.net/20.500.12313/3812spaUniversidad de IbaguéIngenieríaIbaguéIngeniería de SistemasPérez López, C. P. L., & Santín González, D. S. G. (2007). Minería de datos: técnicas y herramientas. Madrid: Thomson.Rodríguez Rodríguez, J. E. R. R. (2010). Fundamentos de minería de datos. Bogotá: Universidad Distrital Francisco José de Caldas.Humberto Llinás Solano, C. R. (2005). Estadística descriptiva y distribuciones de probabilidad. Barranquilla: Ediciones Uninorte.Herrera Santos, M., & Ospina Valencia, F. (2018). Integración de etapas técnicas de metodologías BI con el método de gestión lean analytics: una metodología para obtención de conocimiento. EnlaceHernández, C.L., & Dueñas, M.X. (2009). Hacia una metodología de gestión del conocimiento basada en minería de datos. EnlaceMartínez, D., & Gámez, D.(2018). Aplicación de Técnicas de Minería de Datos para el Análisis de Información del Sector Educativo de Colombia (Tesis de Pregrado). De la base de datos Universidad de los andes.Rodríguez Dueñas, F. J., Benavides Gutiérrez, H. & Riascos Villegas, A. J. (2018). Predicción del desempeño académico usando técnicas de aprendizaje de máquinas (Tesis de Pregrado). De la base de datos Universidad de los andes.Chica Gómez, S.M, Galvis Gutiérrez, D.M, Hassan, A.R. (2011). Determinantes del rendimiento académico en Colombia: pruebas ICFES Saber 11º, 2009. (Paper). De la Universidad EAFIT.CONGRESO DE COLOMBIA. Ley 142 de 1994 (julio 11), artículo 102.A. Simitsis y P. Vassiliadis, «A method for the mapping of conceptual designs to logical blueprints for ETL processes», Decision Support Systems, vol. 45, nº. 1, págs. 22-40, Abr. 2008.Manning, Christopher y Hinrich Schütze. 1999. Foundations of statistical Natural Language Processing. Cambridge, Massachusetts. MIT Press.Orozco, M. (2017). Método de reglas de asociación para el análisis de afinidad entre objetos de tipo texto (Doctoral dissertation).Albrecht, A., & Naumann, F. (2008). Managing ETL Processes. NTII, 8(2008), 12- 15.Ministerio de Educación. (2014). EDUCACIÓN SUPERIOR 2014 - SÍNTESIS ESTADÍSTICA DEPARTAMENTO DE TOLIMA. EnlaceBerlanga, V., Rubio Hurtado, M. J., & Vilà Baños, R. (2013). Cómo aplicar árboles de decisión en SPSS. REIRE. Revista d'Innovació i Recerca en Educació, 2013, vol. 6, num. 1, p. 65-79.Reyes-Nava, A., Flores-Fuentes, A., Alejo, R., & Lara, E. R. (2017). Minería de datos aplicada para la identificación de factores de riesgo en alumnos. Res. Comput. Sci., 139, 177-18info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)https://creativecommons.org/licenses/by-nc-nd/4.0/Pruebas saber 11 2018-2020 - Minería de datosPruebas saber 11 2018-2020 - Factores socioculturales - PuntajePruebas saber 11 2018-2020 - Factores socioculturales - AnálisisSaber 11,Visual StudioDatasetICFESPatronesMinería de datosÁrboles de decisiónSaber 11Visual StudioDatasetICFESPatternsData miningDecision treesAplicación de técnicas de minería de datos para el análisis de los factores socioculturales que determinan el puntaje de las pruebas saber 11 del año 2018, 2019 y 2020Trabajo de grado - Pregradohttp://purl.org/coar/resource_type/c_7a1fTextinfo:eu-repo/semantics/bachelorThesishttp://purl.org/redcol/resource_type/TPinfo:eu-repo/semantics/acceptedVersionPublicationORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf2177042https://repositorio.unibague.edu.co/bitstreams/b81a4acd-fe0b-419d-97e6-0034755c82aa/downloadb43bc567c1ed7c7a264e630f28e336adMD51Autorización.pdfAutorización.pdfapplication/pdf104868https://repositorio.unibague.edu.co/bitstreams/f94480dc-ea53-46f3-ad1a-a3bbe3e91ce9/download90c428a76418163d744aca6db80efcd2MD52TEXTTrabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain101763https://repositorio.unibague.edu.co/bitstreams/4ef0bf8c-b763-4898-a8c2-b6500fbe373d/download6ff965e1d9c842a62a5895fc69021cebMD54Autorización.pdf.txtAutorización.pdf.txtExtracted texttext/plain3337https://repositorio.unibague.edu.co/bitstreams/fbb81eab-0bb9-4fac-8153-9321873d9e17/downloadb2d69bce48a1e704e5d84ed0c86957fcMD56THUMBNAILTrabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg7344https://repositorio.unibague.edu.co/bitstreams/58e95b9e-8510-49fa-8c69-6725b2320e2f/downloadcbac38eeac1b19bf5040290343ad5eefMD55Autorización.pdf.jpgAutorización.pdf.jpgGenerated Thumbnailimage/jpeg14680https://repositorio.unibague.edu.co/bitstreams/c3c862dd-3575-41fb-a77d-437091cfb6f0/download6c294710f09da2d98e211a81ca99509eMD57LICENSElicense.txtlicense.txttext/plain; charset=utf-8134https://repositorio.unibague.edu.co/bitstreams/950fa75a-b86d-4764-9a1b-be4733be99eb/download2fa3e590786b9c0f3ceba1b9656b7ac3MD5320.500.12313/3812oai:repositorio.unibague.edu.co:20.500.12313/38122024-04-04 18:14:19.586https://creativecommons.org/licenses/by-nc-nd/4.0/https://repositorio.unibague.edu.coRepositorio Institucional Universidad de Ibaguébdigital@metabiblioteca.comQ3JlYXRpdmUgQ29tbW9ucyBBdHRyaWJ1dGlvbi1Ob25Db21tZXJjaWFsLU5vRGVyaXZhdGl2ZXMgNC4wIEludGVybmF0aW9uYWwgTGljZW5zZQ0KaHR0cHM6Ly9jcmVhdGl2ZWNvbW1vbnMub3JnL2xpY2Vuc2VzL2J5LW5jLW5kLzQuMC8= |