Licenciatura en Electrónica

URI permanente para esta colecciónhttps://repositorio.upn.edu.co/handle/20.500.12209/37

Examinar

Mostrando 1 - 8 de 8

Aplicación para dispositivos móviles con sistema operativo Android, para el apoyo en los procesos de educación, capacitación e información de los guardianes de ciclovía.
(Universidad Pedagógica Nacional, 2024) Garzón García, Sergio Daniel; Martínez Vásquez, David Alejandro
El presente proyecto consistió en la creación de una aplicación destinada a apoyar la capacitación y formación de los guardianes de la ciclovía. La aplicación fue diseñada utilizando la metodología de: diseño centrado en el usuario. Por lo cual, se enfocó en las necesidades identificadas en los usuarios finales. Su contenido se basó en teorías pedagógicas como el aprendizaje significativo, aplicadas en un contexto de educación no formal. La fase de la creación de los prototipos de diseño se llevó a cabo con la herramienta FIGMA, lo que permitió recibir realimentación de expertos y usuarios finales, para realizar mejoras a la aplicación. Posteriormente se diseñó una métrica para medir la satisfacción de los usuarios con la aplicación creada en Android Studio.
Asistente virtual para el aula basado en estilos de aprendizaje utilizando herramientas de reconocimiento.
(Universidad Pedagógica Nacional, 2024) Carreño Gómez, Carlos David; López Murcia, Erick Mauricio; Martínez Vásquez, David Alejandro
AVREA (Asistente Virtual para el Reconocimiento de Estilos de Aprendizaje) es una herramienta que apoya a los docentes de básica primaria en la orientación personalizada de los estudiantes según sus estilos de aprendizaje. Basado en las teorías de Honey y Alonso (1994) y Fleming y Mills (1992), utiliza los cuestionarios CHAEA y VARK para identificar estilos de aprendizaje y un sistema de reconocimiento facial para identificar emociones como felicidad, tristeza, neutralidad, sorpresa y enojo. La plataforma ofrece actividades adaptadas a los estilos identificados y almacena datos relevantes de los estudiantes. Los resultados identifican patrones en los estilos de aprendizaje y emociones, permitiendo a los docentes personalizar métodos educativos para optimizar el rendimiento y el bienestar emocional de los alumnos.
Desarrollo de un modelo predictivo piloto basado en aprendizaje automático para evaluar el estrés o deterioro cognitivo debido a la privación del sueño : análisis de correlaciones entre señales EEG y EDA con base en una muestra acotada.
(Universidad Pedagógica Nacional, 2025) Rodríguez Garzón, Yohan Mauricio; Martínez Vásquez, David Alejandro
El presente trabajo aborda el desarrollo de un modelo predictivo piloto para la evaluación del estrés o deterioro cognitivo, causado por la privación del sueño, utilizando técnicas de aprendizaje automático tanto supervisado como no supervisado, donde el estudio inicia con un análisis de correlaciones de la actividad eléctrica del cuerpo entre señales cerebrales (EEG) y señales de la actividad electrotérmica (EDA) de una muestra de participantes sometidos a un experimento de privación de sueño. La metodología empleada incluyó el preprocesamiento de las señales, la extracción de características relevantes como la asimetría alfa frontal (FAA) del EEG y la componente tónica y fásica del EDA, y la segmentación de la señal en ventanas de 40 muestras. Posteriormente, se llevó a cabo la aplicación del algoritmo de aprendizaje automático no supervisado K-Means para agrupar los datos en dos clústeres y su posterior interpretación como estados de "estrés" y "no estrés". Una de las etapas finales del trabajo fue la evaluación y entrenamiento de cinco algoritmos de aprendizaje automático supervisado (Regresión logística, K-NN Vecinos, Support Vector Machines, Árboles de decisión y Random Forest) para finalmente, seleccionar el algoritmo de aprendizaje supervisado Support Vector Machine, el cual mostró el mejor desempeño para validar la capacidad de clasificación de los estados. Los resultados demuestran la viabilidad de utilizar este tipo de señales fisiológicas y los algoritmos de machine learning para identificar estados de estrés y fatiga mental, sentando las bases para futuros estudios en el área.
Entrenamiento de redes neuronales para la identificación de plagas en cultivos de café.
(Universidad Pedagógica Nacional, 2022) Avila Perez, Gustavo Adolfo; Martínez Vásquez, David Alejandro
En este documento se encuentra el desarrollo de una aplicación para Android usando redes neuronales por medio de la librería de código abierto TensorFlow con el fin de identificar plagas en las hojas del café. Para lograr el entrenamiento de la red neuronal, se han tomado como referencia bases de datos con imágenes de plagas de Cercospora, Phoma, Roya Minador de hojas y Arañita roja para así lograr la identificación. El proceso de programación para el entrenamiento y la identificación de patrones se hizo en lenguaje Python, usando los entornos de desarrollo anaconda y Jupyter Notebook. Por otra parte, la aplicación para Android se desarrolló en Java, usando el entrono Android Studio, en el cual se importó la librería TensorFlow Lite.
Implementación de un sistema de orientación para personas con discapacidad visual.
(Universidad Pedagógica Nacional, 2025) Cano Charry, Guillermo Alberto; Martínez Vásquez, David Alejandro
Este trabajo de grado desarrolla e implementa un sistema de orientación accesible para personas con discapacidad visual en la Universidad Pedagógica Nacional, sede Calle 72, empleando tecnologías de bajo consumo como Bluetooth Low Energy (BLE) y balizas ESP32. El sistema brinda información contextual y secuencial mediante voz sintetizada, reconocimiento de voz y vibración háptica, favoreciendo la movilidad autónoma sin necesidad de mapas visuales. El proyecto integra enfoques técnicos, pedagógicos y sociales, enmarcados en principios de diseño universal e inclusión, y cumple con normativas nacionales e internacionales sobre accesibilidad. Se empleó la metodología en cascada, desarrollando cuatro fases: análisis y cartografía social para ubicar puntos estratégicos, programación y diseño de balizas, desarrollo de una aplicación móvil en Kotlin y pruebas funcionales. Las balizas se instalaron en puntos clave como edificios, cafetería, museo y porterías, emitiendo mensajes personalizados. La aplicación permite interacción auditiva total, guiando al usuario desde la detección de origen hasta la llegada al destino. Las pruebas, realizadas con población general y personas con discapacidad visual, validaron la precisión del sistema, la claridad de instrucciones y la facilidad de uso. Se concluye que la solución es efectiva, escalable y replicable en otros entornos, aportando a la inclusión y la autonomía de las personas con discapacidad visual.
Propuesta de aprendizaje de la lengua de señas colombiana (LSC) basado en una aplicación móvil : una experiencia de inclusión educativa.
(Universidad Pedagógica Nacional, 2024) García Gil, Erika Yamile; Martínez Vásquez, David Alejandro
El trabajo desarrollado, consiste en la creación de ALSCO, una aplicación diseñada para fortalecer la inclusión educativa mediante el aprendizaje de la lengua de señas colombiana. Este desarrollo está dirigido a los docentes de la institución, con el propósito de dotarlos de herramientas que faciliten la comunicación efectiva con estudiantes sordos o con bajo nivel auditivo. La aplicación tiene dos módulos principales: el primero enseña las señas del alfabeto y los números, mientras que el segundo permite practicar y evaluar las señas aprendidas. ALSCO ofrece una experiencia de aprendizaje interactiva y personalizada, ya que evalúa la precisión de cada seña realizada, proporcionando retroalimentación en forma de porcentajes. De esta manera, los usuarios pueden identificar áreas de mejora y desarrollar sus habilidades de manera gradual. Este proyecto no solo destaca el compromiso de la universidad con la inclusión y la igualdad de oportunidades, sino que también asegura la participación de todos los estudiantes en un ambiente educativo de calidad. Con esta herramienta, se fomenta un aprendizaje dinámico que promueve la confianza de los docentes para interactuar en entornos inclusivos.
Prototipo de dispositivo vestible para la monitorización, análisis y retroalimentación mediante sonificación interactiva de los movimientos dorsales en adultos.
(Universidad Pedagógica Nacional, 2023) Sánchez Lerma, Nicoll Natalia; Martínez Vásquez, David Alejandro
Este trabajo de grado se enfoca en el desarrollo del dispositivo vestible llamado LUMBA-IS, diseñado para monitorear la postura y prevenir dolencias en la espalda. Se destaca la importancia de mantener una buena postura y se describe el proceso de desarrollo del dispositivo, desde la selección de sensores hasta la implementación de la retroalimentación sonora, aplicando el Machine Learning como una herramienta fundamental en este proceso. Las pruebas realizadas demuestran la eficacia del dispositivo en la mejora de la postura, y se proponen mejoras futuras, como la recolección de más datos para mejorar la precisión del modelo de aprendizaje y la realización de un estudio comparativo entre los modelos de chaleco.
Smart road detection : sistema participativo para la detección de irregularidades en la malla vial de la avenida carrera 68.
(Universidad Pedagógica Nacional, 2023) Cubillos Rojas, Camila Andrea; Niño Pinzón, Brayan Eduardo; Martínez Vásquez, David Alejandro
El presente trabajo propone el desarrollo de un sistema participativo para detección de irregularidades de la malla vial en una de las avenidas más importantes de la ciudad de Bogotá, la avenida carrera 68, para este proyecto se implementó una metodología llamada Top-Down que permitió dividir en dos fases el desarrollo del proyecto, una enfocada en la creación del sistema y otra en la extracción de información de datos, en la primera fase se crea una aplicación para dispositivos móviles llamada Smart Road App, está se encarga de tomar datos desde los sensores inerciales del teléfono, como lo son acelerómetro y giroscopio y determinar la ubicación de las irregularidades mediante GPS. Estos datos son enviados a una base datos que los almacenará para su posterior tratamiento. El estudio se enfocará principalmente en las irregularidades y obstáculos más comunes como lo son imperfecciones generadas por el desgaste de la vía y reductores de velocidad; con base en esos datos almacenados, se implanta la segunda fase, donde se creó un algoritmo de árbol de decisión con el cual se realiza la clasificación de las irregularidades, logrando una predicción del 92%. Sus características principales la media móvil y la desviación estándar con una importancia de 13,4% y 86,5% respectivamente.

Examinar

Examinando Licenciatura en Electrónica por Director "Martínez Vásquez, David Alejandro"