Facultad de Ingeniería

URI permanente para esta comunidadhttps://dspace.corhuila.edu.co/handle/123456789/2

Examinar

Examinando Facultad de Ingeniería por Título

Seleccione resultados tecleando las primeras letras
Mostrando 1 - 4 de 4
  • Miniatura
    PublicaciónAcceso Abierto
    Adopción de aplicaciones LLM en adultos mayores: un enfoque predictivo para la Inclusión digital.
    Valentina Córdoba Muñoz; Jefersson Ricardo Sánchez Borja; Garcia Perdomo, Edisney; Alarcon Lopez, Alvaro Hernan (2025-12-01)
    The project entitled “Adoption of LLM applications in older adults: a predictive approach for digital inclusion” comprehensively addresses the technological gap that affects elderly people in Neiva, Huila. Based on previous studies that highlight the difficulties of this population in using digital tools, the research justifies the need to promote digital inclusion as a fundamental right in contemporary society, ensuring active participation in digital transformation processes and equitable access to information. The main objective is to develop a predictive model, grounded in the UTAUT methodology and machine learning techniques, to identify the factors influencing the adoption of large language model (LLM) applications such as ChatGPT. This purpose is not limited to recognizing the variables that condition technological acceptance but also aims to propose strategies that foster digital autonomy among older adults, strengthen their confidence, and reduce the barriers that have historically limited their integration into digital environments. The study is supported by a theoretical framework that articulates concepts of technology acceptance, cognition in older adults, and digital exclusion. The methodology includes detailed sample characterization, analysis of social and technological impact indicators, and the application of machine learning algorithms to identify behavioral patterns. Preliminary findings reveal that variables such as perceived security, ease of use, and trust in technology are decisive in the willingness of older adults to adopt LLM applications. Furthermore, targeted training, pedagogical support, and inclusive interface design significantly reduce access barriers, creating a more user-friendly and accessible environment for this population.
  • Miniatura
    PublicaciónAcceso Abierto
    Metodología para seguimiento de los egresados y estudiantes de último semestre del programa de Ingeniería Industrial de CORHUILA en el sector empresarial
    Andrés Leonardo Ramos Parra; Valentina Polanía Escobar; Chavarro Cardozo, Francy Rocío; Arias Vargas, Geyni (2024-12-12)
    The research project Methodology to assess the contribution of graduates and students of the last semester of the Industrial Engineering program of CORHUILA in the business sector, aims to use qualitative and quantitative methods and techniques to measure and analyze the effect that graduates and students have on companies in terms of their performance, productivity, innovation and contribution to economic growth, contributing to the socioeconomic development of the region and the country, aims to analyze how graduates and students of the last semester of the Industrial Engineering program of CORHUILA. contributor to the business sector, promoting socioeconomic development both regionally and nationally. The methodology used is of a mixed convergent or triangulation type, which combines qualitative and quantitative elements to obtain a complete understanding of the problem, qualitative and quantitative data are collected separately and compared to verify the consistency of the findings. The project is divided into several phases, including data collection through surveys and questionnaires applied to students, graduates, and industry representatives. The information collected will then be analysed and reports produced to assist in decision-making to improve or highlight aspects of the programme.
  • Miniatura
    PublicaciónAcceso Abierto
    Modelo de Machine Learning para la Caracterización y Asignación Inteligente de Estudiantes en el Semillero de Investigación MAMBA
    Jesús David Candelo González; Laura Lorena Velasquez Mendieta; Quimbayo Castro, Julian Andres; Llanos Mosquera, José Miguel (2026-04-01)
    Este estudio desarrolló un modelo de Machine Learning basado en métodos de ensamble para la caracterización y asignación inteligente de estudiantes a rutas formativas personalizadas en el semillero de investigación MAMBA de la Corporación Universitaria del Huila (CORHUILA). El problema radica en la asignación empírica de estudiantes a proyectos sin considerar sus características individuales, generando insatisfacción y deserción. Aunque la inteligencia artificial demuestra potencial para personalizar experiencias educativas (Bousalem et al., 2023), su aplicación en semilleros latinoamericanos permanece subdesarrollada (MinCiencias, 2023). La metodología adoptó un enfoque cuantitativo descriptivo-predictivo con diseño no experimental transversal, aplicando un cuestionario validado de 35 preguntas a 150 estudiantes de ingeniería. Se integraron clustering no supervisado mediante Gaussian Mixture Models (GMM) y clasificación supervisada con seis algoritmos, seleccionando el Perceptrón Multicapa (MLP) optimizado como modelo final. Los resultados identificaron tres perfiles: Perfil Opción de Grado (42%), Perfil Meta Personal y Empleabilidad (28%) y Perfil Mejoramiento Académico (30%). El modelo alcanzó un F1-Score de 0.9404, con variables motivacionales acumulando el 88.8% del poder predictivo (Vanegas, 2024). Se concluye que la heterogeneidad motivacional es la norma en semilleros regionales y que este sistema ofrece un potencial escalable hacia otros contextos académicos similares.
  • Miniatura
    PublicaciónAcceso Abierto
    Modelo predictivo del rendimiento académico para identificar estudiantes universitarios con alto riesgo de abandono en cursos de fundamentos de programación
    Isis Karina Antolinez Ramírez; Oscar Emmanuel Antolinez Ramírez; Llanos Mosquera, José Miguel; Quimbayo Castro, Julian Andres (2025-12-10)
    Para enfrentar el desafío del alto abandono estudiantil en los cursos iniciales de programación, esta tesis se enfocó en crear un modelo predictivo para detectar tempranamente a aquellos estudiantes universitarios que podrían abandonar un curso de Fundamentos de Programación en la Corporación Universitaria del Huila - CORHUILA. Como punto de partida, utilizamos una versión adaptada del Cuestionario de Motivación y Estrategias de Aprendizaje (MSLQ-Colombia) para comprender mejor cómo estudian y qué motiva a los alumnos. En el desarrollo del proyecto aplicamos la metodología estándar conocida como CRISP-DM para organizar todo el proceso de minería de datos, desde entender la necesidad al igual que evaluar los resultados del modelo y, por otro lado, realizamos un estudio cuasi-experimental donde comparamos un grupo de estudiantes que recibió intervenciones educativas basadas en los resultados del modelo de predicción con otro grupo que no las recibió, para ver el impacto en su permanencia y calificaciones.