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 class="ep_document_link" href="/27825/1/s41598-026-39196-x_reference.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Histopathological evaluation is necessary for the diagnosis and grading of prostate cancer, which is still one of the most common cancers in men globally. Traditional evaluation is time-consuming, prone to inter-observer variability, and challenging to scale. The clinical usefulness of current AI systems is limited by the need for comprehensive pixel-level annotations. The objective of this research is to develop and evaluate a large-scale benchmarking study on a weakly supervised deep learning framework that minimizes the need for annotation and ensures interpretability for automated prostate cancer diagnosis and International Society of Urological Pathology (ISUP) grading using whole slide images (WSIs). This study rigorously tested six cutting-edge multiple instance learning (MIL) architectures (CLAM-MB, CLAM-SB, ILRA-MIL, AC-MIL, AMD-MIL, WiKG-MIL), three feature encoders (ResNet50, CTransPath, UNI2), and four patch extraction techniques (varying sizes and overlap) using the PANDA dataset (10,616 WSIs), yielding 72 experimental configurations. The methodology used distributed cloud computing to process over 31 million tissue patches, implementing advanced attention mechanisms to ensure clinical interpretability through Grad-CAM visualizations. The optimum configuration (UNI2 encoder with ILRA-MIL, 256 256 patches, 50% overlap) achieved 78.75% accuracy and 90.12% quadratic weighted kappa (QWK), outperforming traditional methods and approaching expert pathologist-level diagnostic capability. Overlapping smaller patches offered the best balance of spatial resolution and contextual information, while domain-specific foundation models performed noticeably better than generic encoders. This work is the first large-scale, comprehensive comparison of weekly supervised MIL methods for prostate cancer diagnosis and grading. The proposed approach has excellent clinical diagnostic performance, scalability, practical feasibility through cloud computing, and interpretability using visualization tools.
Naveed Anwer Butt mail , Dilawaiz Sarwat mail , Irene Delgado Noya mail irene.delgado@uneatlantico.es, Kilian Tutusaus mail kilian.tutusaus@uneatlantico.es, Nagwan Abdel Samee mail , Imran Ashraf mail ,
Butt
<a href="/27915/1/csbj.0023.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
This systematic literature review (SLR) investigates the integration of deep learning (DL), vision-language models(VLMs), and multi-agent systems in the analysis of pathology images and automated report generation. The rapidadvancement of whole-slide imaging (WSI) technologies has posed new challenges in pathology, especially due to thescale and complexity of the data. DL techniques in general and convolutional neural networks (CNNs) and transform-ers in particular have significantly enhanced image analysis tasks including segmentation, classification, and detection.However, these models often lack generalizability to generate coherent, clinically relevant text, thus necessitating theintegration of VLMs and large language models (LLMs). This review examines the effectiveness of VLMs and LLMsin bridging the gap between visual data and clinical text, focusing on their potential for automating the generationof pathology reports. Additionally, multi-agent systems, which leverage specialized artificial intelligence (AI) agentsto collaboratively perform diagnostic tasks, are explored for their contributions to improving diagnostic accuracy andscalability. Through a synthesis of recent studies, this review highlights the successes, challenges, and future direc-tions of these AI technologies in pathology diagnostics, offering a comprehensive foundation for the development ofintegrated, AI-driven diagnostic workflows.
Usama Ali mail , Imran Shafi mail , Jamil Ahmad mail , Arlette Zárate Cáceres mail , Thania Chio Montero mail , Hafiz Muhammad Raza ur Rehman mail , Imran Ashraf mail ,
Ali
<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="/27968/1/sensors-26-01516-v2.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Human Activity Recognition in Domestic Settings Based on Optical Techniques and Ensemble Models
Human activity recognition (HAR) is essential in many applications, such as smart homes, assisted living, healthcare monitoring, rehabilitation, physiotherapy, and geriatric care. Conventional methods of HAR use wearable sensors, e.g., acceleration sensors and gyroscopes. However, they are limited by issues such as sensitivity to position, user inconvenience, and potential health risks with long-term use. Optical camera systems that are vision-based provide an alternative that is not intrusive; however, they are susceptible to variations in lighting, intrusions, and privacy issues. The paper uses an optical method of recognizing human domestic activities based on pose estimation and deep learning ensemble models. The skeletal keypoint features proposed in the current methodology are extracted from video data using PoseNet to generate a privacy-preserving representation that captures key motion dynamics without being sensitive to changes in appearance. A total of 30 subjects (15 male and 15 female) were sampled across 2734 activity samples, including nine daily domestic activities. There were six deep learning architectures, namely, the Transformer (Transformer), Long Short-Term Memory (LSTM), Gated Recurrent Unit (GRU), Multilayer Perceptron (MLP), One-Dimensional Convolutional Neural Network (1D CNN), and a hybrid Convolutional Neural Network–Long Short-Term Memory (CNN–LSTM) architecture. The results on the hold-out test set show that the CNN–LSTM architecture achieves an accuracy of 98.78% within our experimental setting. Leave-One-Subject-Out cross-validation further confirms robust generalization across unseen individuals, with CNN–LSTM achieving a mean accuracy of 97.21% ± 1.84% across 30 subjects. The results demonstrate that vision-based pose estimation with deep learning is a useful, precise, and non-intrusive approach to HAR in smart healthcare and home automation systems.
Muhammad Amjad Raza mail , Nasir Mehmood mail , Hafeez Ur Rehman Siddiqui mail , Adil Ali Saleem mail , Roberto Marcelo Álvarez mail roberto.alvarez@uneatlantico.es, Yini Airet Miró Vera mail yini.miro@uneatlantico.es, Isabel de la Torre Díez mail ,
Raza
<a href="/26722/1/nutrients-18-00257.pdf" class="ep_document_link"><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