Predicción de tendencias de consumo en moda sostenible en Colombia mediante inteligencia artificial
Este estudio presentó un modelo predictivo basado en inteligencia artificial (IA) para anticipar tendencias de consumo en el sector de moda sostenible en Colombia. El objetivo fue diseñar un prototipo funcional de bajo costo que permita a pequeñas y medianas empresas (Pymes) tomar decisiones estraté...
- Autores:
-
Martínez Pérez, Jenny Paola
- Tipo de recurso:
- https://purl.org/coar/resource_type/c_7a1f
- Fecha de publicación:
- 2025
- Institución:
- Universidad El Bosque
- Repositorio:
- Repositorio U. El Bosque
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unbosque.edu.co:20.500.12495/17829
- Acceso en línea:
- https://hdl.handle.net/20.500.12495/17829
- Palabra clave:
- Moda sostenible
Inteligencia artificial
Análisis de sentimiento
Segmentación
Predicción de tendencias
382
Sustainable fashion
Artificial intelligence
Sentiment analysis
Segmentation
Trend prediction
- Rights
- License
- Attribution-ShareAlike 4.0 International
| id |
UNBOSQUE2_29aa2ec35887ebc3eba7d40f8d0046fa |
|---|---|
| oai_identifier_str |
oai:repositorio.unbosque.edu.co:20.500.12495/17829 |
| network_acronym_str |
UNBOSQUE2 |
| network_name_str |
Repositorio U. El Bosque |
| repository_id_str |
|
| dc.title.none.fl_str_mv |
Predicción de tendencias de consumo en moda sostenible en Colombia mediante inteligencia artificial |
| dc.title.translated.none.fl_str_mv |
Predicting Consumer Trends in Sustainable Fashion in Colombia Using Artificial Intelligence |
| title |
Predicción de tendencias de consumo en moda sostenible en Colombia mediante inteligencia artificial |
| spellingShingle |
Predicción de tendencias de consumo en moda sostenible en Colombia mediante inteligencia artificial Moda sostenible Inteligencia artificial Análisis de sentimiento Segmentación Predicción de tendencias 382 Sustainable fashion Artificial intelligence Sentiment analysis Segmentation Trend prediction |
| title_short |
Predicción de tendencias de consumo en moda sostenible en Colombia mediante inteligencia artificial |
| title_full |
Predicción de tendencias de consumo en moda sostenible en Colombia mediante inteligencia artificial |
| title_fullStr |
Predicción de tendencias de consumo en moda sostenible en Colombia mediante inteligencia artificial |
| title_full_unstemmed |
Predicción de tendencias de consumo en moda sostenible en Colombia mediante inteligencia artificial |
| title_sort |
Predicción de tendencias de consumo en moda sostenible en Colombia mediante inteligencia artificial |
| dc.creator.fl_str_mv |
Martínez Pérez, Jenny Paola |
| dc.contributor.advisor.none.fl_str_mv |
Rojas Sanchez, German Mauricio González Briñez, Mario Hernán |
| dc.contributor.author.none.fl_str_mv |
Martínez Pérez, Jenny Paola |
| dc.subject.none.fl_str_mv |
Moda sostenible Inteligencia artificial Análisis de sentimiento Segmentación Predicción de tendencias |
| topic |
Moda sostenible Inteligencia artificial Análisis de sentimiento Segmentación Predicción de tendencias 382 Sustainable fashion Artificial intelligence Sentiment analysis Segmentation Trend prediction |
| dc.subject.ddc.none.fl_str_mv |
382 |
| dc.subject.keywords.none.fl_str_mv |
Sustainable fashion Artificial intelligence Sentiment analysis Segmentation Trend prediction |
| description |
Este estudio presentó un modelo predictivo basado en inteligencia artificial (IA) para anticipar tendencias de consumo en el sector de moda sostenible en Colombia. El objetivo fue diseñar un prototipo funcional de bajo costo que permita a pequeñas y medianas empresas (Pymes) tomar decisiones estratégicas fundamentadas en datos reales. La metodología combinó técnicas de scraping en Google Trends e Instagram, análisis de sentimientos con TextBlob y VADER, y segmentación de audiencias mediante K-means. Para la predicción, se usó el modelo ARIMA (7,1,5), entrenado con datos históricos y proyectado a 180 días. La validación se realizó con métricas estadísticas, obteniéndose un error absoluto medio (MAE) de 4,67 puntos porcentuales. Los resultados evidencian comportamientos estacionales en búsquedas asociadas a moda ecológica y un predominio de sentimientos positivos en redes sociales hacia términos como “hecho a mano” o “reciclado”. Se identificaron tres clústeres de consumidores: emocional, racional y estético, lo que permitió afinar la personalización de propuestas de valor. La aplicación, desarrollada en Streamlit, permitió visualizar de forma interactiva la evolución de tendencias, el análisis emocional y la segmentación. Se concluye que la IA, aplicada desde entornos accesibles y abiertos, constituye una solución escalable y viable para que las marcas emergentes puedan competir alineadas con los valores de sostenibilidad y consumo consciente del nuevo consumidor colombiano. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-08-26T13:40:03Z |
| dc.date.available.none.fl_str_mv |
2025-08-26T13:40:03Z |
| dc.date.issued.none.fl_str_mv |
2025-08 |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.local.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
| dc.type.coar.none.fl_str_mv |
https://purl.org/coar/resource_type/c_7a1f |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coarversion.none.fl_str_mv |
https://purl.org/coar/version/c_970fb48d4fbd8a85 |
| format |
https://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/20.500.12495/17829 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad El Bosque |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad El Bosque |
| dc.identifier.repourl.none.fl_str_mv |
repourl:https://repositorio.unbosque.edu.co |
| url |
https://hdl.handle.net/20.500.12495/17829 |
| identifier_str_mv |
instname:Universidad El Bosque reponame:Repositorio Institucional Universidad El Bosque repourl:https://repositorio.unbosque.edu.co |
| dc.language.iso.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Baryannis, G., Dani, S., & Antoniou, G. (2019). Predictive analytics and artificial intelligence in supply chain management: Review and implications for the future. Computers & Industrial Engineering, 137, 106024. https://doi.org/10.1016/j.cie.2019.106024 Choi, T. M., Wallace, S. W., & Wang, Y. (2020). Big data analytics in operations management. Production and Operations Management, 27(10), 1868–1886. https://doi.org/10.1111/poms.12838 Chui, M., Harryson, M., Manyika, J., Roberts, R., Chung, R., van Heteren, A., & Nel, P. (2018). Applying artificial intelligence for social good. McKinsey & Company. https://www.mckinsey.com/featured-insights/artificial-intelligence/applying-artificial intelligence-for-social-good Ellen MacArthur Foundation. (2017). A new textiles economy: Redesigning fashion's future. https://www.ellenmacarthurfoundation.org/a-new-textiles-economy Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P., & Vayena, E. (2018). AI4People—An ethical framework for a good AI society: Opportunities, risks, and recommendations. Philosophical Transactions of the Royal Society A, 376(2133), 20170346. https://doi.org/10.1098/rsta.2017.0346 Huang, H., Liu, Y., & Zhang, Y. (2021). Customer segmentation using clustering algorithms: A review of recent advances. Journal of Data Science, 19(3), 456–472. https://doi.org/10.6339/JDS.202107_19(3).0005 Hutto, C. J., & Gilbert, E. (2014). VADER: A parsimonious rule-based model for sentiment analysis of social media text. Proceedings of the International AAAI Conference on Web and Social Media, 8(1), 216-225. https://ojs.aaai.org/index.php/ICWSM/article/view/14550Impacto TIC. (2024). Inteligencia artificial en las pymes, ¿cómo está Colombia? https://impactotic.co/inteligencia-artificial/inteligencia-artificial-en-las-pymes-como-esta colombia/ Inexmoda. (2023). Colombiamoda + Colombiatex 2023 le apuesta a la moda circular como el eje transversal de la feria. https://inexmoda.org.co/colombiamoda-colombiatex-2023-le apuesta-a-la-moda-circular-como-el-eje-transversal-de-la-feria/ Joy, A., Sherry, J. F., Venkatesh, A., Wang, J., & Chan, R. (2012). Fast fashion, sustainability, and the ethical appeal of luxury brands. Fashion Theory, 16(3), 273–295. https://www3.nd.edu/~jsherry/pdf/2012/fastfashionsustainability.pdf Kantar. (2022). Las principales tendencias sostenibles y los mejores consejos para crecer. https://www.kantar.com/es/Inspiracion/Moda-belleza-y-lujo/La-moda-ya-no-se-lleva entre-los-jovenes-y-el-sector-se-estanca Kantar. (2024). La moda ya no se lleva entre los jóvenes y el sector se estanca. https://upg-cd we.kantar.com/latin-america/Inspiracion/Consumidor/2022-Latam-Tendencias sostenibilidad Loria, S. (2018). TextBlob: Simplified text processing. https://textblob.readthedocs.io/en/dev/ MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, 1, 281–297. University of California Press. Marr, B. (2020). Data strategy: How to profit from a world of big data, analytics and the Internet of Things. Kogan Page. Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press. Saini, H., Singh, A., & Kaur, M. (2022). Comparative study of machine learning algorithms for customer segmentation using K-means and DBSCAN. Materials Today: Proceedings, 62, 4526–4530. https://doi.org/10.1016/j.matpr.2022.02.040 Streamlit. (2025). Streamlit documentation. https://docs.streamlit.io/ Taylor, S. J., & Letham, B. (2018). Forecasting at scale. The American Statistician, 72(1), 37–45. https://doi.org/10.1080/00031305.2017.1380080 Zhang, Y., Jin, R., & Zhou, Z. H. (2018). Understanding bag-of-words model: A statistical framework. International Journal of Machine Learning and Cybernetics, 9(1), 43–52. https://doi.org/10.1007/s13042-010-0001-0 |
| dc.rights.en.fl_str_mv |
Attribution-ShareAlike 4.0 International |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.none.fl_str_mv |
http://creativecommons.org/licenses/by-sa/4.0/ |
| dc.rights.local.spa.fl_str_mv |
Acceso abierto |
| dc.rights.accessrights.none.fl_str_mv |
https://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Attribution-ShareAlike 4.0 International http://creativecommons.org/licenses/by-sa/4.0/ Acceso abierto https://purl.org/coar/access_right/c_abf2 http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.program.spa.fl_str_mv |
Marketing y Transformación Digital |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad El Bosque |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias Económicas y Administrativas |
| institution |
Universidad El Bosque |
| bitstream.url.fl_str_mv |
https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/16484329-2c09-46bc-9a8b-0a7ee597cd12/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/b3288eec-1d47-4f4c-b7e8-9a39760a121c/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/7faff1c1-7430-4124-b0b0-909f401c62a8/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/6046898e-019a-4014-96d3-748c45b1250a/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/6510d880-9b26-4b29-a188-f8b6387391ef/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/3215a2ae-2143-4fdf-bcfd-887f5f68f039/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/ac838f16-5eed-49db-b543-2a49de0d6094/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/ad0a10e5-d24f-4e5c-8cdf-ea14c6e0d7f7/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/937cd32b-ac55-4781-b5e8-0d3681886760/download https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/f5ede578-887c-4e29-9441-e248164eb8ce/download |
| bitstream.checksum.fl_str_mv |
523aeb499c38584f6c2f374b15fccda8 561f0e2fc2586a393bb9cdce6af78ad0 17cc15b951e7cc6b3728a574117320f9 828f4129fba85ed5c26795521df63283 77f8516d61870fcbb15b9bf665664c5a adb7af3ef071a784ffe1b544b9a344ab 3e8f654c84466d7bb238654c976dfc2d 298fa8e0f8f0bc4724aece2cc3f6ed5a a7283240f584c67cc1a320b2d7b4ae17 f168beeb627e591601a3191fdde55eb5 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad El Bosque |
| repository.mail.fl_str_mv |
bibliotecas@biteca.com |
| _version_ |
1849967165481943040 |
| spelling |
Rojas Sanchez, German MauricioGonzález Briñez, Mario HernánMartínez Pérez, Jenny Paola2025-08-26T13:40:03Z2025-08-26T13:40:03Z2025-08https://hdl.handle.net/20.500.12495/17829instname:Universidad El Bosquereponame:Repositorio Institucional Universidad El Bosquerepourl:https://repositorio.unbosque.edu.coEste estudio presentó un modelo predictivo basado en inteligencia artificial (IA) para anticipar tendencias de consumo en el sector de moda sostenible en Colombia. El objetivo fue diseñar un prototipo funcional de bajo costo que permita a pequeñas y medianas empresas (Pymes) tomar decisiones estratégicas fundamentadas en datos reales. La metodología combinó técnicas de scraping en Google Trends e Instagram, análisis de sentimientos con TextBlob y VADER, y segmentación de audiencias mediante K-means. Para la predicción, se usó el modelo ARIMA (7,1,5), entrenado con datos históricos y proyectado a 180 días. La validación se realizó con métricas estadísticas, obteniéndose un error absoluto medio (MAE) de 4,67 puntos porcentuales. Los resultados evidencian comportamientos estacionales en búsquedas asociadas a moda ecológica y un predominio de sentimientos positivos en redes sociales hacia términos como “hecho a mano” o “reciclado”. Se identificaron tres clústeres de consumidores: emocional, racional y estético, lo que permitió afinar la personalización de propuestas de valor. La aplicación, desarrollada en Streamlit, permitió visualizar de forma interactiva la evolución de tendencias, el análisis emocional y la segmentación. Se concluye que la IA, aplicada desde entornos accesibles y abiertos, constituye una solución escalable y viable para que las marcas emergentes puedan competir alineadas con los valores de sostenibilidad y consumo consciente del nuevo consumidor colombiano.Profesional en Marketing y Transformación DigitalPregradoThis study presented a predictive model based on artificial intelligence (AI) to anticipate consumption trends in Colombia's sustainable fashion sector. The objective was to design a low-cost functional prototype that enables small and medium-sized enterprises (SMEs) to make strategic, data-driven decisions. The methodology combined scraping techniques from Google Trends and Instagram, sentiment analysis with TextBlob and VADER, and audience segmentation using K-means. For forecasting, the ARIMA (7,1,5) model was trained on historical data with a 180-day projection horizon. Validation was performed using statistical metrics, achieving a mean absolute error (MAE) of 4.67 percentage points. Results showed seasonal patterns in searches related to eco-fashion and a predominance of positive sentiments toward terms such as “handmade” and “recycled”. Three consumer clusters were identified: emotional, rational, and aesthetic, enabling more refined value proposition personalization. The Streamlit-based application allowed interactive visualization of trend evolution, sentiment analysis, and audience segmentation. It is concluded that AI, applied through open and accessible tools, represents a scalable and viable solution for emerging brands aiming to align with sustainability values and the conscious consumption preferences of the new Colombian consumer.application/pdfAttribution-ShareAlike 4.0 Internationalhttp://creativecommons.org/licenses/by-sa/4.0/Acceso abiertohttps://purl.org/coar/access_right/c_abf2http://purl.org/coar/access_right/c_abf2Moda sostenibleInteligencia artificialAnálisis de sentimientoSegmentaciónPredicción de tendencias382Sustainable fashionArtificial intelligenceSentiment analysisSegmentationTrend predictionPredicción de tendencias de consumo en moda sostenible en Colombia mediante inteligencia artificialPredicting Consumer Trends in Sustainable Fashion in Colombia Using Artificial IntelligenceMarketing y Transformación DigitalUniversidad El BosqueFacultad de Ciencias Económicas y AdministrativasTesis/Trabajo de grado - Monografía - Pregradohttps://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesishttps://purl.org/coar/version/c_970fb48d4fbd8a85Baryannis, G., Dani, S., & Antoniou, G. (2019). Predictive analytics and artificial intelligence in supply chain management: Review and implications for the future. Computers & Industrial Engineering, 137, 106024. https://doi.org/10.1016/j.cie.2019.106024Choi, T. M., Wallace, S. W., & Wang, Y. (2020). Big data analytics in operations management. Production and Operations Management, 27(10), 1868–1886. https://doi.org/10.1111/poms.12838Chui, M., Harryson, M., Manyika, J., Roberts, R., Chung, R., van Heteren, A., & Nel, P. (2018). Applying artificial intelligence for social good. McKinsey & Company. https://www.mckinsey.com/featured-insights/artificial-intelligence/applying-artificial intelligence-for-social-goodEllen MacArthur Foundation. (2017). A new textiles economy: Redesigning fashion's future. https://www.ellenmacarthurfoundation.org/a-new-textiles-economyFloridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., Luetge, C., Madelin, R., Pagallo, U., Rossi, F., Schafer, B., Valcke, P., & Vayena, E. (2018). AI4People—An ethical framework for a good AI society: Opportunities, risks, and recommendations. Philosophical Transactions of the Royal Society A, 376(2133), 20170346. https://doi.org/10.1098/rsta.2017.0346Huang, H., Liu, Y., & Zhang, Y. (2021). Customer segmentation using clustering algorithms: A review of recent advances. Journal of Data Science, 19(3), 456–472. https://doi.org/10.6339/JDS.202107_19(3).0005Hutto, C. J., & Gilbert, E. (2014). VADER: A parsimonious rule-based model for sentiment analysis of social media text. Proceedings of the International AAAI Conference on Web and Social Media, 8(1), 216-225. https://ojs.aaai.org/index.php/ICWSM/article/view/14550Impacto TIC. (2024). Inteligencia artificial en las pymes, ¿cómo está Colombia? https://impactotic.co/inteligencia-artificial/inteligencia-artificial-en-las-pymes-como-esta colombia/Inexmoda. (2023). Colombiamoda + Colombiatex 2023 le apuesta a la moda circular como el eje transversal de la feria. https://inexmoda.org.co/colombiamoda-colombiatex-2023-le apuesta-a-la-moda-circular-como-el-eje-transversal-de-la-feria/Joy, A., Sherry, J. F., Venkatesh, A., Wang, J., & Chan, R. (2012). Fast fashion, sustainability, and the ethical appeal of luxury brands. Fashion Theory, 16(3), 273–295. https://www3.nd.edu/~jsherry/pdf/2012/fastfashionsustainability.pdfKantar. (2022). Las principales tendencias sostenibles y los mejores consejos para crecer. https://www.kantar.com/es/Inspiracion/Moda-belleza-y-lujo/La-moda-ya-no-se-lleva entre-los-jovenes-y-el-sector-se-estancaKantar. (2024). La moda ya no se lleva entre los jóvenes y el sector se estanca. https://upg-cd we.kantar.com/latin-america/Inspiracion/Consumidor/2022-Latam-Tendencias sostenibilidadLoria, S. (2018). TextBlob: Simplified text processing. https://textblob.readthedocs.io/en/dev/MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability, 1, 281–297. University of California Press.Marr, B. (2020). Data strategy: How to profit from a world of big data, analytics and the Internet of Things. Kogan Page.Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press.Saini, H., Singh, A., & Kaur, M. (2022). Comparative study of machine learning algorithms for customer segmentation using K-means and DBSCAN. Materials Today: Proceedings, 62, 4526–4530. https://doi.org/10.1016/j.matpr.2022.02.040Streamlit. (2025). Streamlit documentation. https://docs.streamlit.io/Taylor, S. J., & Letham, B. (2018). Forecasting at scale. The American Statistician, 72(1), 37–45. https://doi.org/10.1080/00031305.2017.1380080Zhang, Y., Jin, R., & Zhou, Z. H. (2018). Understanding bag-of-words model: A statistical framework. International Journal of Machine Learning and Cybernetics, 9(1), 43–52. https://doi.org/10.1007/s13042-010-0001-0spaORIGINALTrabajo de grado.pdfTrabajo de grado.pdfapplication/pdf533524https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/16484329-2c09-46bc-9a8b-0a7ee597cd12/download523aeb499c38584f6c2f374b15fccda8MD54trueAnonymousREADAnexo 2 OVI.pdfapplication/pdf276821https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/b3288eec-1d47-4f4c-b7e8-9a39760a121c/download561f0e2fc2586a393bb9cdce6af78ad0MD510falseAnonymousREADLICENSElicense.txtlicense.txttext/plain; charset=utf-82000https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/7faff1c1-7430-4124-b0b0-909f401c62a8/download17cc15b951e7cc6b3728a574117320f9MD56falseAnonymousREADCarta de autorizacion.pdfapplication/pdf198837https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/6046898e-019a-4014-96d3-748c45b1250a/download828f4129fba85ed5c26795521df63283MD58falseBiblioteca - (Publicadores)READAnexo Carta aval.pdfapplication/pdf103425https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/6510d880-9b26-4b29-a188-f8b6387391ef/download77f8516d61870fcbb15b9bf665664c5aMD59falseBiblioteca - (Publicadores)READCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81154https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/3215a2ae-2143-4fdf-bcfd-887f5f68f039/downloadadb7af3ef071a784ffe1b544b9a344abMD57falseAnonymousREADTEXTTrabajo de grado.pdf.txtTrabajo de grado.pdf.txtExtracted texttext/plain27212https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/ac838f16-5eed-49db-b543-2a49de0d6094/download3e8f654c84466d7bb238654c976dfc2dMD511falseAnonymousREADAnexo 2 OVI.pdf.txtAnexo 2 OVI.pdf.txtExtracted texttext/plain1580https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/ad0a10e5-d24f-4e5c-8cdf-ea14c6e0d7f7/download298fa8e0f8f0bc4724aece2cc3f6ed5aMD513falseAnonymousREADTHUMBNAILTrabajo de grado.pdf.jpgTrabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg4776https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/937cd32b-ac55-4781-b5e8-0d3681886760/downloada7283240f584c67cc1a320b2d7b4ae17MD512falseAnonymousREADAnexo 2 OVI.pdf.jpgAnexo 2 OVI.pdf.jpgGenerated Thumbnailimage/jpeg5723https://pruebas-update-repositorio-unbosque.cloudbiteca.com/bitstreams/f5ede578-887c-4e29-9441-e248164eb8ce/downloadf168beeb627e591601a3191fdde55eb5MD514falseAnonymousREAD20.500.12495/17829oai:pruebas-update-repositorio-unbosque.cloudbiteca.com:20.500.12495/178292025-08-27T10:02:33.744Zhttp://creativecommons.org/licenses/by-sa/4.0/Attribution-ShareAlike 4.0 Internationalopen.accesshttps://pruebas-update-repositorio-unbosque.cloudbiteca.comRepositorio Institucional Universidad El Bosquebibliotecas@biteca.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 |