Los efectos en los estilos de vida saludables por la pandemia de Covid-19 durante la clase de educación física en primarias.
Tesis Materias > Educación física y el deporte Universidad Internacional Iberoamericana México > Docencia > Trabajos finales de Máster Cerrado Español La clase de Educación Física es de suma importancia para el establecimiento de estilos de vida saludables. En México, la Secretaría de Educación Pública integra en sus programas la educación física ya que forma parte del área de desarrollo personal y social de niños y jóvenes que cursan la educación básica y secundaria. Sin embargo, este tipo de enseñanza teórico/práctica no ha logrado un reconocimiento amplio entre muchas familias que consideran que estos espacios no son tan importantes como otras asignaturas, como el inglés, la computación o las matemáticas, consideradas de mayor utilidad para salir adelante en la vida. La pandemia de COVID-19 ha sido un acontecimiento que puede dar un giro a la enseñanza, de la misma forma ofrecer una oportunidad de mejorar la percepción de este tipo de asignaturas relacionadas con la salud, el fortalecimiento y el cuidado del cuerpo que, sin duda, mejora las capacidades intelectuales. El objetivo del presente trabajo es comprender la influencia de la pandemia de Covid-19 en la asignatura de educación física a nivel primaria. La investigación es de naturaleza cualitativa ya que se utilizó el método fenomenológico. Se realizaron entrevistas semiestructuras a diversos actores involucrados en la clase de educación física en primarias privadas (Alcaldía de Azcapotzalco de la Ciudad de México), como públicas (municipios de Naucalpan de Juárez y Tlalnepantla del Estado de México). En ese sentido se llevaron a cabo entrevistas a: •Cinco profesores de educación física.•Una supervisora de área y tres encargados de coordinar las actividades de educación física (ECAEF). •Dos directores de plantel. •Una psicopedagoga. •Una promotora de salud y •11 alumnos de quinto y sexto grado de primaria. Los resultados muestran que, con la pandemia de COVID-19, la educación física es una materia que se considera importante, pero no tiene el mismo peso que otras asignaturas dentro de la institución educativa. Durante el confinamiento se movilizaron diversos recursos con el propósito de cumplir con los objetivos de aprendizaje, superando diversos contratiempos como el cambio repentino de horarios y planeaciones, la posibilidad de acercase a los alumnos por diferentes medios digitales (dependiendo del contexto) y, sobre todo el reconocimiento de todos los alumnos en tanto compañeros que viven y sufrieron las peripecias del encierro. La pandemia fue una oportunidad para permitirse conocerse a sí mismos y revalorar su trabajo de alumnos y profesores como personas con familia y dentro de un entorno social diferenciado en cuanto a cuestiones socio-económicas. Además de mostrar las dificultades como el aprender a emplear plataformas, el impartir clases virtuales y posteriormente el empezar a planear un regreso presencial ante las propias limitaciones de las escuelas, los recursos, los temores. En conclusión, el presente trabajo muestra desde la mirada de los diferentes actores de la educación física, lo que está significa, los cambios que trajo la pandemia de COVID-19, las dificultades, pero también los aprendizajes y lo que se está llevando acabo para el regreso a la presencialidad que sin duda permitirá dar una oportunidad de modificar la valoración general de la asignatura formando personas que cuiden y valoren su salud. metadata Vázquez Avalos, Gerardo mail gerry.nutricion@gmail.com (1000) Los efectos en los estilos de vida saludables por la pandemia de Covid-19 durante la clase de educación física en primarias. Masters thesis, SIN ESPECIFICAR.
Texto completo no disponible.Resumen
La clase de Educación Física es de suma importancia para el establecimiento de estilos de vida saludables. En México, la Secretaría de Educación Pública integra en sus programas la educación física ya que forma parte del área de desarrollo personal y social de niños y jóvenes que cursan la educación básica y secundaria. Sin embargo, este tipo de enseñanza teórico/práctica no ha logrado un reconocimiento amplio entre muchas familias que consideran que estos espacios no son tan importantes como otras asignaturas, como el inglés, la computación o las matemáticas, consideradas de mayor utilidad para salir adelante en la vida. La pandemia de COVID-19 ha sido un acontecimiento que puede dar un giro a la enseñanza, de la misma forma ofrecer una oportunidad de mejorar la percepción de este tipo de asignaturas relacionadas con la salud, el fortalecimiento y el cuidado del cuerpo que, sin duda, mejora las capacidades intelectuales. El objetivo del presente trabajo es comprender la influencia de la pandemia de Covid-19 en la asignatura de educación física a nivel primaria. La investigación es de naturaleza cualitativa ya que se utilizó el método fenomenológico. Se realizaron entrevistas semiestructuras a diversos actores involucrados en la clase de educación física en primarias privadas (Alcaldía de Azcapotzalco de la Ciudad de México), como públicas (municipios de Naucalpan de Juárez y Tlalnepantla del Estado de México). En ese sentido se llevaron a cabo entrevistas a: •Cinco profesores de educación física.•Una supervisora de área y tres encargados de coordinar las actividades de educación física (ECAEF). •Dos directores de plantel. •Una psicopedagoga. •Una promotora de salud y •11 alumnos de quinto y sexto grado de primaria. Los resultados muestran que, con la pandemia de COVID-19, la educación física es una materia que se considera importante, pero no tiene el mismo peso que otras asignaturas dentro de la institución educativa. Durante el confinamiento se movilizaron diversos recursos con el propósito de cumplir con los objetivos de aprendizaje, superando diversos contratiempos como el cambio repentino de horarios y planeaciones, la posibilidad de acercase a los alumnos por diferentes medios digitales (dependiendo del contexto) y, sobre todo el reconocimiento de todos los alumnos en tanto compañeros que viven y sufrieron las peripecias del encierro. La pandemia fue una oportunidad para permitirse conocerse a sí mismos y revalorar su trabajo de alumnos y profesores como personas con familia y dentro de un entorno social diferenciado en cuanto a cuestiones socio-económicas. Además de mostrar las dificultades como el aprender a emplear plataformas, el impartir clases virtuales y posteriormente el empezar a planear un regreso presencial ante las propias limitaciones de las escuelas, los recursos, los temores. En conclusión, el presente trabajo muestra desde la mirada de los diferentes actores de la educación física, lo que está significa, los cambios que trajo la pandemia de COVID-19, las dificultades, pero también los aprendizajes y lo que se está llevando acabo para el regreso a la presencialidad que sin duda permitirá dar una oportunidad de modificar la valoración general de la asignatura formando personas que cuiden y valoren su salud.
| Tipo de Documento: | Tesis (Masters) |
|---|---|
| Palabras Clave: | Educación física, COVID-19, SARS-CoV-2, pandemia, primaria. |
| Clasificación temática: | Materias > Educación física y el deporte |
| Divisiones: | Universidad Internacional Iberoamericana México > Docencia > Trabajos finales de Máster |
| Depositado: | 16 Nov 2023 23:30 |
| Ultima Modificación: | 16 Nov 2023 23:30 |
| URI: | https://repositorio.unini.edu.mx/id/eprint/1961 |
Acciones (logins necesarios)
 |
Ver Objeto |
<a href="/27825/1/s41598-026-39196-x_reference.pdf" class="ep_document_link"><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 href="/27968/1/sensors-26-01516-v2.pdf" class="ep_document_link"><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