Orientación familiar para el fortalecer del proceso educativo en niños con necesidades educativas especiales en la escuela de educación básica fiscal “blanca garcía plaza de arias” en Guayaquil
Tesis Materias > Psicología Universidad Internacional Iberoamericana México > Docencia > Trabajos finales de Máster Cerrado Español RESUMEN Cuando se produce una interferencia en el aprendizaje, los estudiantes reciben atención educativa acordes a sus potencialidades y necesidades, donde las familias son los principales agentes sociales que requieren de conocimiento sobre esas dificultades de sus representando. Por ende, deben recibir orientaciones, tanto verbales como escritas de los docentes. No obstante, en la Escuela de Educación Básica Fiscal “Blanca García Plaza de Arias” ubicada en la ciudad de Guayaquil, donde se ha observado que las familias se dirigen a los docentes de aula en busca de apoyo para obtener información sobre las necesidades educativas especiales (NEE), de trípticos, guías u otros documentos que contengan información sobre las dificultades de aprendizaje, sin recibir respuestas positivas. Es por ello que, el objetivo de este estudio es diseñar una guía de orientación familiar para el fortalecimiento del proceso educativo en niños con necesidades educativas especiales en la mencionada institución. Para ello se utilizó el enfoque cuantitativo, y se aplicó una encuesta a diez familias que tienen hijos con dificultades de aprendizaje. Se obtuvo como resultado que casi nunca (75%) los docentes le suministran información sobre las NEE, el 50% manifestó que casi nunca se promueven talleres para orientar a los padres, asimismo, el 75% dice que sus conocimientos sobre que tienen pocos conocimientos sobre las NEE. También se logró conocer que entre las NEE se encuentran los trastornos de conductas. Este resultado permitió ampliar la visión del problema; lo que generó los conocimientos necesarios para el diseño de la guía. La guía se diseñó en dos partes; Parte I: NEE abarca los conceptos, tanto de las específicas como las no específicas y actividades que los padres pueden desarrollar en el hogar. Parte II: dirigida a los trastornos de conductas, con sus respectivas definiciones y actividades, para llevarse a efecto en los hogares en conjunto con la comunidad y la escuela. Las orientaciones pedagógicas que se aportan en la guía, está enfoca en mejoras educativas que permitirán la actualización de metodologías y actividades, que pueden ser utilizadas por docentes y las familias, ya que son flexibles y constituyen un contexto de aprendizaje. De allí que, una buena utilización de orientaciones pedagógicas admitirá que se dé solución o minimice los problemas del aprendizaje de los escolares con NEE, por cuanto se aborda desde la escuela y el hogar, generando una sinergia entre ambas organizaciones que, trae como beneficios mejorar, mediante el desarrollo de habilidades y destrezas en los estudiantes su aprendizaje. Lo que cual beneficia a la institución, por cuanto cuenta con una guía que puede ser utilizada durante todo el año escolar y optimiza la participación de familia en el proceso educativo; a los docentes, serán partícipes de una reestructuración en la planificación en la atención de los escolares con NEE, gestionarán la integración de la familia a las actividades pedagógicas y mejorarán la comunicación con ellos. Y, las familias, porque se dará respuestas a sus inquietudes sobre las NEE y cómo abordarlas. metadata Alay Gonzalez, Denny Uberlinda mail dennysalay@hotmail.com (2022) Orientación familiar para el fortalecer del proceso educativo en niños con necesidades educativas especiales en la escuela de educación básica fiscal “blanca garcía plaza de arias” en Guayaquil. Masters thesis, SIN ESPECIFICAR.
Texto completo no disponible.Resumen
RESUMEN Cuando se produce una interferencia en el aprendizaje, los estudiantes reciben atención educativa acordes a sus potencialidades y necesidades, donde las familias son los principales agentes sociales que requieren de conocimiento sobre esas dificultades de sus representando. Por ende, deben recibir orientaciones, tanto verbales como escritas de los docentes. No obstante, en la Escuela de Educación Básica Fiscal “Blanca García Plaza de Arias” ubicada en la ciudad de Guayaquil, donde se ha observado que las familias se dirigen a los docentes de aula en busca de apoyo para obtener información sobre las necesidades educativas especiales (NEE), de trípticos, guías u otros documentos que contengan información sobre las dificultades de aprendizaje, sin recibir respuestas positivas. Es por ello que, el objetivo de este estudio es diseñar una guía de orientación familiar para el fortalecimiento del proceso educativo en niños con necesidades educativas especiales en la mencionada institución. Para ello se utilizó el enfoque cuantitativo, y se aplicó una encuesta a diez familias que tienen hijos con dificultades de aprendizaje. Se obtuvo como resultado que casi nunca (75%) los docentes le suministran información sobre las NEE, el 50% manifestó que casi nunca se promueven talleres para orientar a los padres, asimismo, el 75% dice que sus conocimientos sobre que tienen pocos conocimientos sobre las NEE. También se logró conocer que entre las NEE se encuentran los trastornos de conductas. Este resultado permitió ampliar la visión del problema; lo que generó los conocimientos necesarios para el diseño de la guía. La guía se diseñó en dos partes; Parte I: NEE abarca los conceptos, tanto de las específicas como las no específicas y actividades que los padres pueden desarrollar en el hogar. Parte II: dirigida a los trastornos de conductas, con sus respectivas definiciones y actividades, para llevarse a efecto en los hogares en conjunto con la comunidad y la escuela. Las orientaciones pedagógicas que se aportan en la guía, está enfoca en mejoras educativas que permitirán la actualización de metodologías y actividades, que pueden ser utilizadas por docentes y las familias, ya que son flexibles y constituyen un contexto de aprendizaje. De allí que, una buena utilización de orientaciones pedagógicas admitirá que se dé solución o minimice los problemas del aprendizaje de los escolares con NEE, por cuanto se aborda desde la escuela y el hogar, generando una sinergia entre ambas organizaciones que, trae como beneficios mejorar, mediante el desarrollo de habilidades y destrezas en los estudiantes su aprendizaje. Lo que cual beneficia a la institución, por cuanto cuenta con una guía que puede ser utilizada durante todo el año escolar y optimiza la participación de familia en el proceso educativo; a los docentes, serán partícipes de una reestructuración en la planificación en la atención de los escolares con NEE, gestionarán la integración de la familia a las actividades pedagógicas y mejorarán la comunicación con ellos. Y, las familias, porque se dará respuestas a sus inquietudes sobre las NEE y cómo abordarlas.
| Tipo de Documento: | Tesis (Masters) |
|---|---|
| Palabras Clave: | Conceptos clave: Orientación familiar,Necesidades Educativas Especiales, Educación Inclusiva,Trastorno de conducta,Dificultades de aprendizaje. |
| Clasificación temática: | Materias > Psicología |
| Divisiones: | Universidad Internacional Iberoamericana México > Docencia > Trabajos finales de Máster |
| Depositado: | 30 Oct 2023 23:30 |
| Ultima Modificación: | 30 Oct 2023 23:30 |
| URI: | https://repositorio.unini.edu.mx/id/eprint/1280 |
Acciones (logins necesarios)
 |
Ver Objeto |
<a href="/27554/1/s41598-026-37541-8_reference.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
A scalable and secure federated learning authentication scheme for IoT
Secure and scalable authentication remains a fundamental challenge in Internet of Things (IoT) networks due to constrained device resources, dynamic topology, and the absence of centralized trust infrastructures. Conventional password-based and certificate-driven authentication schemes incur high computation, storage, and communication overhead, limiting their suitability for large-scale deployments. To address these limitations, this paper proposes ScLBS, a federated learning (FL)–based self-certified authentication scheme for distributed and sustainable IoT environments. ScLBS integrates self-certified public key cryptography with FL-driven trust adaptation, enabling decentralized public key derivation without reliance on third-party certificate authorities or exposure of private credentials. A zero-knowledge mechanism combined with location-aware authentication strengthens resistance to impersonation, Sybil, and replay attacks. Hierarchical key management supported by a -tree enables efficient group rekeying and preserves forward and backward secrecy under dynamic membership. Formal security verification is conducted under the Dolev–Yao adversary model using ProVerif, confirming secrecy of private and session keys (SKs) and correctness of authentication. Extensive NS-3 simulations and ablation analysis demonstrate that ScLBS achieves lower authentication delay, reduced message overhead, improved network utilization, and decreased energy consumption compared to representative IoT authentication schemes, while maintaining bounded FL overhead. These results indicate that ScLBS provides a balanced trade-off between security strength, scalability, and resource efficiency for constrained IoT networks.
Premkumar Chithaluru mail , B. Veera Jyothi mail , Fahd S. Alharithi mail , Wojciech Ksiazek mail , M. Ramchander mail , Aman Singh mail aman.singh@uneatlantico.es, Ravi Kumar Rachavaram mail ,
Chithaluru
<a class="ep_document_link" href="/26722/1/nutrients-18-00257.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Background/Objectives: The growing integration of Artificial Intelligence (AI) and chatbots in health professional education offers innovative methods to enhance learning and clinical preparedness. This study aimed to evaluate the educational impact and perceptions in university students of Human Nutrition and Dietetics, regarding the utility, usability, and design of the E+DIEting_Lab chatbot platform when implemented in clinical nutrition training. Methods: The platform was piloted from December 2023 to April 2025 involving 475 students from multiple European universities. While all 475 students completed the initial survey, 305 finished the follow-up evaluation, representing a 36% attrition rate. Participants completed surveys before and after interacting with the chatbots, assessing prior experience, knowledge, skills, and attitudes. Data were analyzed using descriptive statistics and independent samples t-tests to compare pre- and post-intervention perceptions. Results: A total of 475 university students completed the initial survey and 305 the final evaluation. Most university students were females (75.4%), with representation from six languages and diverse institutions. Students reported clear perceived learning gains: 79.7% reported updated practical skills in clinical dietetics and communication were updated, 90% felt that new digital tools improved classroom practice, and 73.9% reported enhanced interpersonal skills. Self-rated competence in using chatbots as learning tools increased significantly, with mean knowledge scores rising from 2.32 to 2.66 and skills from 2.39 to 2.79 on a 0–5 Likert scale (p < 0.001 for both). Perceived effectiveness and usefulness of chatbots as self-learning tools remained positive but showed a small decline after use (effectiveness from 3.63 to 3.42; usefulness from 3.63 to 3.45), suggesting that hands-on experience refined, but did not diminish, students’ overall favorable views of the platform. Conclusions: The implementation and pilot evaluation of the E+DIEting_Lab self-learning virtual patient chatbot platform demonstrate that structured digital simulation tools can significantly improve perceived clinical nutrition competences. These findings support chatbot adoption in dietetics curricula and inform future digital education innovations.
Iñaki Elío Pascual mail inaki.elio@uneatlantico.es, Kilian Tutusaus mail kilian.tutusaus@uneatlantico.es, Imanol Eguren García mail imanol.eguren@uneatlantico.es, Álvaro Lasarte García mail , Arturo Ortega-Mansilla mail arturo.ortega@uneatlantico.es, Thomas Prola mail thomas.prola@uneatlantico.es, Sandra Sumalla Cano mail sandra.sumalla@uneatlantico.es,
Elío Pascual
<a class="ep_document_link" href="/26964/1/s44196-025-01123-9_reference.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Suicide Ideation Detection Using Social Media Data and Ensemble Machine Learning Model
Identifying the emotional state of individuals has useful applications, particularly to reduce the risk of suicide. Users’ thoughts on social media platforms can be used to find cues on the emotional state of individuals. Clinical approaches to suicide ideation detection primarily rely on evaluation by psychologists, medical experts, etc., which is time-consuming and requires medical expertise. Machine learning approaches have shown potential in automating suicide detection. In this regard, this study presents a soft voting ensemble model (SVEM) by leveraging random forest, logistic regression, and stochastic gradient descent classifiers using soft voting. In addition, for the robust training of SVEM, a hybrid feature engineering approach is proposed that combines term frequency-inverse document frequency and the bag of words. For experimental evaluation, “Suicide Watch” and “Depression” subreddits on the Reddit platform are used. Results indicate that the proposed SVEM model achieves an accuracy of 94%, better than existing approaches. The model also shows robust performance concerning precision, recall, and F1, each with a 0.93 score. ERT and deep learning models are also used, and performance comparison with these models indicates better performance of the SVEM model. Gated recurrent unit, long short-term memory, and recurrent neural network have an accuracy of 92% while the convolutional neural network obtains an accuracy of 91%. SVEM’s computational complexity is also low compared to deep learning models. Further, this study highlights the importance of explainability in healthcare applications such as suicidal ideation detection, where the use of LIME provides valuable insights into the contribution of different features. In addition, k-fold cross-validation further validates the performance of the proposed approach.
Erol KINA mail , Jin-Ghoo Choi mail , Abid Ishaq mail , Rahman Shafique mail , Mónica Gracia Villar mail monica.gracia@uneatlantico.es, Eduardo René Silva Alvarado mail eduardo.silva@funiber.org, Isabel de la Torre Diez mail , Imran Ashraf mail ,
KINA
<a href="/26965/1/s40203-025-00539-7.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Human metapneumovirus (hMPV) is one of the potential pandemic pathogens, and it is a concern for elderly subjects and immunocompromised patients. There is no vaccine or specific antiviral available for hMPV. We conducted an in-silico study to predict initial antiviral candidates against human metapneumovirus. Our methodology included protein modeling, stability assessment, molecular docking, molecular simulation, analysis of non-covalent interactions, bioavailability, carcinogenicity, and pharmacokinetic profiling. We pinpointed four plant-derived bio-compounds as antiviral candidates. Among the compounds, apigenin showed the highest binding affinity, with values of − 8.0 kcal/mol for the hMPV-F protein and − 7.6 kcal/mol for the hMPV-N protein. Molecular dynamic simulations and further analyses confirmed that the protein-ligand docked complexes exhibited acceptable stability compared to two standard antiviral drugs. Additionally, these four compounds yielded satisfactory outcomes in bioavailability, drug-likeness, and ADME-Tox (absorption, distribution, metabolism, excretion, and toxicity) and STopTox analyses. This study highlights the potential of apigenin and xanthoangelol E as an initial antiviral candidate, underscoring the necessity for wet-lab evaluation, preclinical and clinical trials against human metapneumovirus infection.
Hasan Huzayfa Rahaman mail , Afsana Khan mail , Nadim Sharif mail , Wasifuddin Ahmed mail , Nazmul Sharif mail , Rista Majumder mail , Silvia Aparicio Obregón mail silvia.aparicio@uneatlantico.es, Rubén Calderón Iglesias mail ruben.calderon@uneatlantico.es, Isabel De la Torre Díez mail , Shuvra Kanti Dey mail ,
Rahaman
<a href="/27153/1/fpls-16-1720471.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Introduction: Jackfruit cultivation is highly affected by leaf diseases that reduce yield, fruit quality, and farmer income. Early diagnosis remains challenging due to the limitations of manual inspection and the lack of automated and scalable disease detection systems. Existing deep-learning approaches often suffer from limited generalization and high computational cost, restricting real-time field deployment. Methods: This study proposes CNNAttLSTM, a hybrid deep-learning architecture integrating Convolutional Neural Networks (CNN), Long Short-Term Memory (LSTM) units, and an attention mechanism for multi-class classification of algal leaf spot, black spot, and healthy jackfruit leaves. Each image is divided into ordered 56×56 spatial patches, treated as pseudo-temporal sequences to enable the LSTM to capture contextual dependencies across different leaf regions. Spatial features are extracted via Conv2D, MaxPooling, and GlobalAveragePooling layers; temporal modeling is performed by LSTM units; and an attention mechanism assigns adaptive weights to emphasize disease-relevant regions. Experiments were conducted on a publicly available Kaggle dataset comprising 38,019 images, using predefined training, validation, and testing splits. Results: The proposed CNNAttLSTM model achieved 99% classification accuracy, outperforming the baseline CNN (86%) and CNN–LSTM (98%) models. It required only 3.7 million parameters, trained in 45 minutes on an NVIDIA Tesla T4 GPU, and achieved an inference time of 22 milliseconds per image, demonstrating high computational efficiency. The patch-based pseudo-temporal approach improved spatial–temporal feature representation, enabling the model to distinguish subtle differences between visually similar disease classes. Discussion: Results show that combining spatial feature extraction with temporal modeling and attention significantly enhances robustness and classification performance in plant disease detection. The lightweight design enables real-time and edge-device deployment, addressing a major limitation of existing deep-learning techniques. The findings highlight the potential of CNNAttLSTM for scalable, efficient, and accurate agricultural disease monitoring and broader precision agriculture applications.
Gaurav Tuteja mail , Fuad Ali Mohammed Al-Yarimi mail , Amna Ikram mail , Rupesh Gupta mail , Ateeq Ur Rehman mail , Jeewan Singh mail , Irene Delgado Noya mail irene.delgado@uneatlantico.es, Luis Alonso Dzul López mail luis.dzul@uneatlantico.es,
Tuteja