Estrategia metodológica para la gestión del conocimiento organizacional soportado por las TIC utilizando un entorno virtual de trabajo colaborativo (EVTC). Caso : área de seguridad y salud ocupacional (SySO) en empresa cooperativa industrial
Tesis Materias > Ingeniería Universidad Internacional Iberoamericana México > Investigación > Tesis Doctorales Cerrado Español En la actualidad existe una oportunidad para las organizaciones a partir de las capacitaciones que ellas deben brindar en diversas áreas, con énfasis en Seguridad y Salud Ocupacional (SySO) –área no excluyente-. Por diversos motivos (que atraviesan el desconocimiento general, como las formas de implementación y seguimiento) los profesionales encargados de brindarlas y los gerentes no toman las acciones necesarias encaminadas a innovar en esta cuestión, desaprovechando así el auge propiciado por el desarrollo y la accesibilidad tecnológica actual. ¿Podría una organización beneficiarse a partir de la conformación de un Entorno Virtual de Trabajo Colaborativo (EVTC) que incorpore un modelo de enseñanza dinámico que incluya instrumentos, métodos y procedimientos soportados por las Tecnologías de la Información y Comunicación (TIC) junto al conocimiento teórico necesario de diversos paradigmas educativos y herramientas que potencien la transmisión del conocimiento y genere resultados sinérgicos para todos los actores? Para demostrarlo, se propone una modalidad de diseño metodológico enfocada a un experimento denominado puro o verdadero, que se nutrirá de un estudio de campo conceptualizado, definido, creado e implementado ad hoc en una Cooperativa ubicada en la ciudad de Concordia, Argentina para con éste obtener respuestas que permitan demostrar la correlación existente entre una correcta conformación de un EVTC que incluya un modelo de aprendizaje soportado por las TIC y la obtención de beneficios multifactoriales producto del manejo racional del conocimiento. Logrado comprobar lo antes expuesto, y a partir de la nueva oportunidad generada, se describirán alternativas para aquellas organizaciones que decidan continuar su camino evolutivo en el manejo del conocimiento a partir de la implementación y conformación de un modelo de Gestión del Conocimiento que requiere una especial atención a factores internos que involucre a todos los estamentos y sectores de la organización. El atravesamiento de los niveles madurativos organizacionales del uso del conocimiento otorgará beneficios aditivos en el corto o mediano plazo y sinérgicos en el largo plazo dependiendo la forma, velocidad y nivel de implementación de las actividades nucleadas y descriptas a partir de la descomposición en objetivos de la solución ofrecida de esta investigación que se nutre de la innovación como motor y que busca como fin la mejora en la competitividad como herramienta de entropía negativa. metadata Mazzetto, Matías Ariel mail mmazeto@yahoo.com (2017) Estrategia metodológica para la gestión del conocimiento organizacional soportado por las TIC utilizando un entorno virtual de trabajo colaborativo (EVTC). Caso : área de seguridad y salud ocupacional (SySO) en empresa cooperativa industrial. Doctoral thesis, Universidad Internacional Iberoamericana.
Texto completo no disponible.Resumen
En la actualidad existe una oportunidad para las organizaciones a partir de las capacitaciones que ellas deben brindar en diversas áreas, con énfasis en Seguridad y Salud Ocupacional (SySO) –área no excluyente-. Por diversos motivos (que atraviesan el desconocimiento general, como las formas de implementación y seguimiento) los profesionales encargados de brindarlas y los gerentes no toman las acciones necesarias encaminadas a innovar en esta cuestión, desaprovechando así el auge propiciado por el desarrollo y la accesibilidad tecnológica actual. ¿Podría una organización beneficiarse a partir de la conformación de un Entorno Virtual de Trabajo Colaborativo (EVTC) que incorpore un modelo de enseñanza dinámico que incluya instrumentos, métodos y procedimientos soportados por las Tecnologías de la Información y Comunicación (TIC) junto al conocimiento teórico necesario de diversos paradigmas educativos y herramientas que potencien la transmisión del conocimiento y genere resultados sinérgicos para todos los actores? Para demostrarlo, se propone una modalidad de diseño metodológico enfocada a un experimento denominado puro o verdadero, que se nutrirá de un estudio de campo conceptualizado, definido, creado e implementado ad hoc en una Cooperativa ubicada en la ciudad de Concordia, Argentina para con éste obtener respuestas que permitan demostrar la correlación existente entre una correcta conformación de un EVTC que incluya un modelo de aprendizaje soportado por las TIC y la obtención de beneficios multifactoriales producto del manejo racional del conocimiento. Logrado comprobar lo antes expuesto, y a partir de la nueva oportunidad generada, se describirán alternativas para aquellas organizaciones que decidan continuar su camino evolutivo en el manejo del conocimiento a partir de la implementación y conformación de un modelo de Gestión del Conocimiento que requiere una especial atención a factores internos que involucre a todos los estamentos y sectores de la organización. El atravesamiento de los niveles madurativos organizacionales del uso del conocimiento otorgará beneficios aditivos en el corto o mediano plazo y sinérgicos en el largo plazo dependiendo la forma, velocidad y nivel de implementación de las actividades nucleadas y descriptas a partir de la descomposición en objetivos de la solución ofrecida de esta investigación que se nutre de la innovación como motor y que busca como fin la mejora en la competitividad como herramienta de entropía negativa.
| Tipo de Documento: | Tesis (Doctoral) |
|---|---|
| Palabras Clave: | SySO, Entorno Virtual de Trabajo Colaborativo, TIC, Aprendizaje Organizacional, Sistema de Gestión del Conocimiento |
| Clasificación temática: | Materias > Ingeniería |
| Divisiones: | Universidad Internacional Iberoamericana México > Investigación > Tesis Doctorales |
| Depositado: | 01 Feb 2022 23:55 |
| Ultima Modificación: | 01 Feb 2022 23:55 |
| URI: | https://repositorio.unini.edu.mx/id/eprint/450 |
Acciones (logins necesarios)
 |
Ver Objeto |
<a href="/17061/1/fspor-1-1565900.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Background: Scientific research should be carried out to prevent sports injuries. For this purpose, new assessment technologies must be used to analyze and identify the risk factors for injury. The main objective of this systematic review was to compile, synthesize and integrate international research published in different scientific databases on Countermovement Jump (CMJ), Functional Movement Screen (FMS) and Tensiomyography (TMG) tests and technologies for the assessment of injury risk in sport. This way, this review determines the current state of the knowledge about this topic and allows a better understanding of the existing problems, making easier the development of future lines of research. Methodology: A structured search was carried out following the Preferred Reporting Items for Systematic Review and Meta-Analyses (PRISMA) guidelines and the PICOS model until November 30, 2024, in the MEDLINE/PubMed, Web of Science (WOS), ScienceDirect, Cochrane Library, SciELO, EMBASE, SPORTDiscus and Scopus databases. The risk of bias was assessed and the PEDro scale was used to analyze methodological quality. Results: A total of 510 articles were obtained in the initial search. After inclusion and exclusion criteria, the final sample was 40 articles. These studies maintained a high standard of quality. This revealed the effects of the CMJ, FMS and TMG methods for sports injury assessment, indicating the sample population, sport modality, assessment methods, type of research design, study variables, main findings and intervention effects. Conclusions: The CMJ vertical jump allows us to evaluate the power capacity of the lower extremities, both unilaterally and bilaterally, detect neuromuscular asymmetries and evaluate fatigue. Likewise, FMS could be used to assess an athlete's basic movement patterns, mobility and postural stability. Finally, TMG is a non-invasive method to assess the contractile properties of superficial muscles, monitor the effects of training, detect muscle asymmetries, symmetries, provide information on muscle tone and evaluate fatigue. Therefore, they should be considered as assessment tests and technologies to individualize training programs and identify injury risk factors.
Álvaro Velarde-Sotres mail alvaro.velarde@uneatlantico.es, Antonio Bores-Cerezal mail antonio.bores@uneatlantico.es, Josep Alemany Iturriaga mail josep.alemany@uneatlantico.es, Julio Calleja-González mail ,
Velarde-Sotres
<a href="/17139/1/s41598-025-89266-9.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
In the rapidly evolving landscape of artificial intelligence (AI) and the Internet of Things (IoT), the significance of device diagnostics and prognostics is paramount for guaranteeing the dependable operation and upkeep of intricate systems. The capacity to precisely diagnose and preemptively predict potential failures holds the potential to considerably amplify maintenance efficiency, diminish downtime, and optimize resource allocation. The wealth of information offered by telemetry data gathered from IoT devices presents an opportunity for diagnostics and prognostics applications. However, extracting valuable insights and making well-timed decisions from this extensive data reservoir remains a formidable challenge. This study proposes a novel AI-driven framework that integrates forward chaining and backward chaining algorithms to analyze telemetry data from IoT devices. The proposed methodology utilizes rule-based inference to detect real-time anomalies and predict potential future failures, providing a dual-layered approach for diagnostics and prognostics. The results show that the diagnostics engine using forward chaining detects real-time issues like “High Temperature” and “Low Pressure,” while the prognostics engine with backward chaining predicts potential future occurrences of these issues, enabling proactive prevention measures. The experimental results demonstrate that adopting this approach could offer valuable assistance to authorities and stakeholders. Accurate early diagnosis and prediction of potential failures have the capability to greatly improve maintenance efficiency, minimize downtime, and optimize cost.
Muhammad Shoaib Farooq mail , Rizwan Pervez Mir mail , Atif Alvi mail , Kilian Tutusaus mail kilian.tutusaus@uneatlantico.es, Eduardo García Villena mail eduardo.garcia@uneatlantico.es, Fadwa Alrowais mail , Hanen Karamti mail , Imran Ashraf mail ,
Farooq
<a class="ep_document_link" href="/17140/1/s41598-025-90616-w.pdf"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Efficient CNN architecture with image sensing and algorithmic channeling for dataset harmonization
The process of image formulation uses semantic analysis to extract influential vectors from image components. The proposed approach integrates DenseNet with ResNet-50, VGG-19, and GoogLeNet using an innovative bonding process that establishes algorithmic channeling between these models. The goal targets compact efficient image feature vectors that process data in parallel regardless of input color or grayscale consistency and work across different datasets and semantic categories. Image patching techniques with corner straddling and isolated responses help detect peaks and junctions while addressing anisotropic noise through curvature-based computations and auto-correlation calculations. An integrated channeled algorithm processes the refined features by uniting local-global features with primitive-parameterized features and regioned feature vectors. Using K-nearest neighbor indexing methods analyze and retrieve images from the harmonized signature collection effectively. Extensive experimentation is performed on the state-of-the-art datasets including Caltech-101, Cifar-10, Caltech-256, Cifar-100, Corel-10000, 17-Flowers, COIL-100, FTVL Tropical Fruits, Corel-1000, and Zubud. This contribution finally endorses its standing at the peak of deep and complex image sensing analysis. A state-of-the-art deep image sensing analysis method delivers optimal channeling accuracy together with robust dataset harmonization performance.
Khadija Kanwal mail , Khawaja Tehseen Ahmad mail , Aiza Shabir mail , Li Jing mail , Helena Garay mail helena.garay@uneatlantico.es, Luis Eduardo Prado González mail uis.prado@uneatlantico.es, Hanen Karamti mail , Imran Ashraf mail ,
Kanwal
<a href="/17272/1/s41598-025-88676-z.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
The agriculture field is the basis of a country’s change and financial system. Crops are the main source of revenue for the people. One of the farmer’s most challenging problems is choosing the right crops for their land. This critical decision has a direct impact on productivity and profit. Wrong crop selection not only reduces yields but also causes food shortages, creating more problems for farmers. The best crop depends on many parameters such as illustration humidity, N, K, P, pH, rainfall, and temperature of the soil. Getting advice from experts is not an easy task. This requires intelligent models in crop recommendations that use machine-learning models to suggest suitable crops for soil and other environmental conditions. Temperature, humidity, and pH are important data for growing crops in agriculture. In this study, we gather and preprocess relevant data. To recommend the most suitable crop, we propose a novel ensemble learning approach called RFXG based on random forest (RF) and extreme gradient boosting (XGB) to suggest the best crop out of the twenty-two major crops. To measure the capability of the proposed approach, various machine learning models are utilized including extra tree classifier, multilayer perceptron, RF, decision trees, logistic regression, and XGB classifiers. To get the best performance, optimization of hyperparameter, and K-fold cross-validation procedures are performed. Experimental outcomes show that the proposed RFXG technique achieves a recommendation accuracy is 98%. Specifically, the proposed solution provides immediate recommendations to help farmers make timely decisions.
Hadeeqa Afzal mail , Madiha Amjad mail , Ali Raza mail , Kashif Munir mail , Santos Gracia Villar mail santos.gracia@uneatlantico.es, Luis Alonso Dzul López mail luis.dzul@uneatlantico.es, Imran Ashraf mail ,
Afzal
<a href="/17450/1/ejaz-et-al-2025-fundus-image-classification-using-feature-concatenation-for-early-diagnosis-of-retinal-disease.pdf" class="ep_document_link"><img class="ep_doc_icon" alt="[img]" src="/style/images/fileicons/text.png" border="0"/></a>
en
open
Fundus image classification using feature concatenation for early diagnosis of retinal disease
Background Deep learning models assist ophthalmologists in early detection of diseases from retinal images and timely treatment. Aim Owing to robust and accurate results from deep learning models, we aim to use convolutional neural network (CNN) to provide a non-invasive method for early detection of eye diseases. Methodology We used a hybridized CNN with deep learning (DL) based on two separate CNN blocks, to identify multiple Optic Disc Cupping, Diabetic Retinopathy, Media Haze, and Healthy images. We used the RFMiD dataset, which contains various categories of fundus images representing different eye diseases. Data augmenting, resizing, coping, and one-hot encoding are used among other preprocessing techniques to improve the performance of the proposed model. Color fundus images have been analyzed by CNNs to extract relevant features. Two CCN models that extract deep features are trained in parallel. To obtain more noticeable features, the gathered features are further fused utilizing the Canonical Correlation Analysis fusion approach. To assess the effectiveness, we employed eight classification algorithms: Gradient boosting, support vector machines, voting ensemble, medium KNN, Naive Bayes, COARSE- KNN, random forest, and fine KNN. Results With the greatest accuracy of 93.39%, the ensemble learning performed better than the other algorithms. Conclusion The accuracy rates suggest that the deep learning model has learned to distinguish between different eye disease categories and healthy images effectively. It contributes to the field of eye disease detection through the analysis of color fundus images by providing a reliable and efficient diagnostic system.
Sara Ejaz mail , Hafiz U Zia mail , Fiaz Majeed mail , Umair Shafique mail , Stefanía Carvajal-Altamiranda mail stefania.carvajal@uneatlantico.es, Vivian Lipari mail vivian.lipari@uneatlantico.es, Imran Ashraf mail ,
Ejaz