Aplicación de ciencia de datos para determinar la eficiencia de los métodos de muestreo para el orden hemíptera (insecta) por medio de la metodología CRISP-DM

La ciencia de datos es un campo interdisciplinario que emplea métodos estadísticos, algoritmos y tecnologías para transformar grandes volúmenes de datos en información valiosa y accionable, mejorando la toma de decisiones y creando nuevas oportunidades en prácticamente todas las áreas y disciplinas, convirtiéndose así en una herramienta fundamental y poderosa dentro de cualquier organización. Los proyectos basados en la ciencia de datos pueden beneficiarse a partir de las metodologías de procesos empleadas, ya que éstas determinan el éxito de la investigación. Modelos de procesos como CRISP-DM pueden ser útiles y mejorados con enfoques ágiles, por lo cual es una metodología popular en la práctica debido a que es fácil de comprender, estructurada, confiable, de uso común e independiente de la industria. Teniendo en cuenta lo anterior, se propuso implementar el método CRISP-DM para analizar una base de datos de libre acceso, con el propósito de extraer información relevante a partir de un set de datos grande y complejo y contestar a una pregunta de investigación relacionada con dicho set. El presente trabajo se realizó a partir de la revisión de una base de datos del SIB Colombia y del GBIF, sobre la diversidad del orden Hemíptera (insectos) presentes en la Ecoreserva ASA La Guarupaya de Acacías, Meta. El análisis de los datos se enfocó en determinar cuál de los métodos de muestreo empleados en el estudio fue el más eficiente para la recolección, con respecto a las cantidades encontradas para cada hemíptero y el tiempo empleado por cada método. Se encontró que la eficiencia de la red de golpeteo fue mucho mejor que la de la trampa Malaise, con unos valores de 213.85 hemípteros por hora y de 0.52 hemípteros por hora respectivamente.

• Autores: Grady, Aaron Ryan
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Corporación Universitaria Remington
• Repositorio: Repositorio institucional Uniremington
• Idioma: spa
• OAI Identifier: oai:repositorio.uniremington.edu.co:123456789/3659
• Acceso en línea: https://repositorio.uniremington.edu.co/handle/123456789/3659
• Palabra clave: Ciencia de datos; Big data; Metodología CRISP-DM; Recolección de hemípteros; Eficiencia de muestreo; Toma de decisiones; Análisis de datos; Algoritmos
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)